商湯測試演算法

❶ 在3D結構光領域，底層硬體廠商奧比中光和演算法廠商商湯科技有何不同，雙方是否具備對比性

3D結構光領域主要分為底層硬體廠商和演算法廠商。底層硬體就是3D感測攝像頭，主要負責採集物體的三維信息。演算法是對計算機上執行計算過程的具體描述，像AI視覺所涉及到的圖像分類、對象檢測、目標跟蹤等技術都需演算法才能實現。比如現在我們常用的手機3D人臉識別功能，首先需要3D感測攝像頭採集3D人臉信息，隨後演算法再根據3D人臉信息及識別指令，實現3D人臉識別功能。
 
奧比中光主營業務是3D攝像頭，商湯屬於計算機視覺演算法廠商，它們之間的業務各有不同，這就是它們之間最大的差別。雖然業務方向不同，不過兩者同屬AI視覺領域，如今都已成長為行業獨角獸。商湯估值45億美金，奧比中光13億美金，雖然估值差距大，不過演算法領域廠商眾多，競爭非常激烈，商湯面臨的業務壓力也比較大。底層硬體廠商多注重技術和產業鏈，需要長時間的積累，這是演算法廠商一時半會無法趕超的。因此從長遠來看，奧比中光的發展空間可能更大一些。

❷ 人臉識別SDK哪個公司做的好

目前做人臉識別的公司很多，虹軟現在主打免費的人臉識別SDK。而且離線情況依舊可以運行，整個測試過來，虹軟的人臉識別還是很強大的，人臉檢測可以控制在20ms之內，人臉識別大概在200ms左右。

❸ 商湯人臉識別怎麼認不出

1、可能是你離機器太近，導致無法在攝像頭的區域內識別。
2、人臉識別需要在人臉庫裡面提前錄入才行，如果你沒有在人臉庫有信息，這塊沒法識別是很正常的。
3、有可能是演算法的問題，如果演算法出了問題也可能導致無法識別人臉；這塊看下演算法是不是有問題了。

❹ 商湯科技(SenseTime) 這家公司怎樣

這家公司是一家開放創新型公司，它專注於計算機視覺和深度學習原創技術研發。是一家迅速發展的公司。

2018年9月20日，科技部部長王志剛向商湯科技授予「智能視覺國家新一代人工智慧開放創新平台」稱號並授牌。

起源於香港中文大學，由香港中文大學教授湯曉鷗創立，自主研發原創深度學習平台Parrots。 以「堅持原創，讓AI引領人類進步」為願景。

商湯科技成立於2014年，是計算機視覺和深度學習領域的演算法提供商。

2014年，商湯團隊發表DeepID系列人臉識別演算法擊敗Facebook，在全球首次超過人眼識別率。

商湯科技的核心團隊由兩大部分組成：一部分是來自麻省理工學院、香港中文大學、清華大學、北京大學的博士、碩士等；另一部分則是來自微軟、谷歌、聯想、網路等相關領域的從業者。

商湯科技已與香港中文大學、浙江大學、上海交通大學、北京大學建立了深度合作，共建聯合實驗室和研發中心，與清華大學、北京大學等多所高校成立研究團隊。

商湯科技主研發的原創深度學習平台SenseParrots，對超深的網路規模、超大的數據學習以及復雜關聯應用等支持更具優勢。商湯科技還自主搭建了深度學習超算中心，大幅降低了各類人工智慧技術的研發成本，並且縮短了開發深度學習演算法模型的時間。

❺ 3D結構光人臉識別技術有什麼優勢

在回答這個問題之前，我們首先要搞清楚一個概念：3d人臉識別技術是由演算法以及硬體兩大部分組成的。演算法是實現人臉識別的基礎，硬體是承載演算法，讓人臉識別得以實現的實體部件。演算法和硬體缺一不可，只有兩者相互協作，才能實現人臉識別。
曠視（face++）和商湯科技主要做的是人臉識別演算法，在演算法領域，這兩家大概是國內做的最好的，也是名氣最大的兩家。當然，除過演算法之外，它們也做硬體，不過只佔很小的一部分。
奧比中光主要側重在硬體部分，推出的產品包括astra
3d感測攝像頭等產品，它也是國內唯一能量產3d感測攝像頭的廠家。目前奧比中光已和螞蟻金服、肯德基達成了合作，共同在深圳等地的肯德基店鋪推出了3d刷臉支付設備。因此，從硬體綜合實力來看，奧比中光算是國內翹楚。
最後再說一下，三家公司有合作關系，例如，奧比中光會用到face++和商湯的演算法，另外兩家也會用到奧比中光的3d感測攝像頭等。
打了這么多字不容易啊，希望題主可以採納答案。

❻ 商湯科技的行業地位如何為什麼被稱為人工智慧行業的獨角獸

據我了解，在人臉識別領域有四家獨角獸公司：商湯、雲從、曠視和依圖，但是商湯整體的AI技術水平在行業內能排到前列。雖然商湯CEO總會強調商湯不是一家人臉識別公司，但是商湯在人臉識別領域依然還是有話語權的。

❼ 奧比中光、曠視（face++）、商湯科技都在做3D人臉識別技術，它們各自有什麼技術特點

在回答這個問題之前，我們首先要搞清楚一個概念：3D人臉識別技術是由演算法以及硬體兩大部分組成的。演算法是實現人臉識別的基礎，硬體是承載演算法，讓人臉識別得以實現的實體部件。演算法和硬體缺一不可，只有兩者相互協作，才能實現人臉識別。

曠視（face++）和商湯科技主要做的是人臉識別演算法，在演算法領域，這兩家大概是國內做的最好的，也是名氣最大的兩家。當然，除過演算法之外，它們也做硬體，不過只佔很小的一部分。

奧比中光主要側重在硬體部分，推出的產品包括Astra 3D感測攝像頭等產品，它也是國內唯一能量產3D感測攝像頭的廠家。目前奧比中光已和螞蟻金服、肯德基達成了合作，共同在深圳等地的肯德基店鋪推出了3D刷臉支付設備。因此，從硬體綜合實力來看，奧比中光算是國內翹楚。

最後再說一下，三家公司有合作關系，例如，奧比中光會用到face++和商湯的演算法，另外兩家也會用到奧比中光的3D感測攝像頭等。

打了這么多字不容易啊，希望題主可以採納答案。

❽ 曠視科技通過什麼技術實現人臉識別的

在回答這個問題之前，我們首先要搞清楚一個概念：3d人臉識別技術是由演算法以及硬體兩大部分組成的。演算法是實現人臉識別的基礎，硬體是承載演算法，讓人臉識別得以實現的實體部件。演算法和硬體缺一不可，只有兩者相互協作，才能實現人臉識別。
曠視（face++）和商湯科技主要做的是人臉識別演算法，在演算法領域，這兩家大概是國內做的最好的，也是名氣最大的兩家。當然，除過演算法之外，它們也做硬體，不過只佔很小的一部分。
奧比中光主要側重在硬體部分，推出的產品包括astra
3d感測攝像頭等產品，它也是國內唯一能量產3d感測攝像頭的廠家。目前奧比中光已和螞蟻金服、肯德基達成了合作，共同在深圳等地的肯德基店鋪推出了3d刷臉支付設備。因此，從硬體綜合實力來看，奧比中光算是國內翹楚。
最後再說一下，三家公司有合作關系，例如，奧比中光會用到face++和商湯的演算法，另外兩家也會用到奧比中光的3d感測攝像頭等。
打了這么多字不容易啊，希望題主可以採納答案。

❾ 如何看待SenseTime商湯科技給碩士應屆生開出60w的offer

作者：長孫無忌
鏈接：

在人臉校準（face alignment)這個領域，目前的方法大概有三類，一類是傳統的計算機視覺方法，比如基於cascade regression tree或者essemble svm一類。一類是基於深度學習的視覺演算法，裡面還有基於parts,基於heatmap的或者基於structure的等等的細分類。當然，還有基於兩者的混合型演算法，比如pdm+ccnf。你發一個paper，240點和106個點，就是訓練數據的區別，或者幾個參數的調整。但是如果做一個工業化的產品，這裡面牽扯到的細節問題就非常多，也有很多工程方面的挑戰。
第一個就是需求問題，多點的需求是不是偽需求？目前看來不是，因為在美妝的場景下，對面部小細節的需求越來越多。具體可以看小米最近發布的美妝應用場景。裡面很多的功能在傳統的68點模型下很難做到。
第二個就是細節准確度的問題，因為傳統模型定義都是整體定義偏離loss和約束constraint，這樣的話在小細節方面的變化，比如說單眼眨眼，對模型整體loss影響不大，結果就是小細節動作無法體現在校準結果上。很影響用戶體驗。這一塊需要更改模型設計，還是很有技術含量的。
第三個就是延遲問題，如果要保證30幀，那麼處理一幀就是33毫秒以內，如果要預留給圖像預處理和後面的渲染一些時間，視覺計算時間不易超過20ms。而視覺計算還分很多步驟，校準之前還有人臉的檢測和標准化，所以留給FA的時間最多也就是10ms~15ms。而一般來說點越多，計算時間越長，這一點在傳統方式上更為明顯。這樣就存在更多工程性挑戰。
其他的小問題，比如模型大小，內存佔用，穩定性，抖動等問題都是會隨著點數增加而更難解決。
所以說做一個多點的人臉校準產品並不容易。
客觀評價，商湯在對視頻流人臉校準方面，准確度和延遲都很好。在單張圖片方面比視頻略差，因為視頻方面用到了時域信息優化。在大角度人臉校準方面還有所欠缺。新版本希望在這些方面都會有進步。