基于深度学习的人脸识别与认证
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
作为算法负责人，研发基于身份证的图像修复算法，利用Encode-Decoder结构设计网纹检测网络和图像修复网络，利用多监督学习和不同层级特征融合方法以丰富图像特征表达，减少误检；改进卷积层为dilation conv，使得密集预测更加丰富的信息被运用；采用Perceptual loss得到更加接近真实人脸的图像，修复失真和过度平滑问题。
在身份证图像与生活照构建的数据库上，单帧图像测试时间为0.04s/gpu，身份证图像修复后人脸识别认证率AUC提高19.95%
在身份证图像与生活照构建的数据库上，单帧图像测试时间为0.04s/gpu，身份证图像修复后人脸识别认证率AUC提高19.95%
基于深度学习的人脸识别与认证
联系该工程师
微信扫码，建群沟通
案例介绍
作为算法负责人，研发基于身份证的图像修复算法，利用Encode-Decoder结构设计网纹检测网络和图像修复网络，利用多监督学习和不同层级特征融合方法以丰富图像特征表达，减少误检；改进卷积层为dilation conv，使得密集预测更加丰富的信息被运用；采用Perceptual loss得到更加接近真实人脸的图像，修复失真和过度平滑问题。
在身份证图像与生活照构建的数据库上，单帧图像测试时间为0.04s/gpu，身份证图像修复后人脸识别认证率AUC提高19.95%
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
