![](http://oss.zhidx.com/uploads/2022/11/6386ebc05473b_6386ebc0518dc_6386ebc0518b4_头图.png)
人脸由眼睛、眉毛、鼻子、嘴巴、面颊、下巴等部件构成,正因为这些部件的形状、大小和结构上各有差异才使得世界上每个人脸千差万别,因此对这些部件形状和结构关系的精准几何描述,是分析面部信息的关键。而这些关键信息可用于面部生成、人脸识别的任务。
目前,人脸识别作为人工智能落地最广泛的技术之一,被广泛应用于金融、安防、社交娱乐、门禁/考勤、交通等领域。而人脸识别算法,已从早期以 PCA 为代表的阶段,发展到以“人工特征+分类器”为主的阶段,再到最近,伴随着深度学习算法的演进及 GPU 算力的提升,基于深度学习的人脸识别逐渐成为主流。与此同时,人脸识别的规模也从最初识别数十张人脸,发展到现在识别上百万甚至亿级别的超大规模人脸。而对于这样的超大规模识别需求,对人脸识别系统的GPU算力提出了很高的要求。
目前,对于超大规模的人脸识别系统,通常采用分布式训练方案,即数据并行 + 模型并行,在网络前面的CNN部分,采用数据并行进行人脸特征提取,而CNN最后的全连接层则采用模型并行,将参数矩阵切分到多个 GPU 上。这种方案实现相对简单,可以把模型的显存占用和计算均匀分散到每个GPU。
12月6日,超集信息联合智东西公开课策划推出「人脸识别系统搭建与面部生成算法在线研讨会」。本次研讨会邀请到InsightFace项目发起人过佳和超集信息解决方案部高级硬件工程师沈佳威参与,主讲GPU加速下的人脸识别与面部生成分布式训练。
过佳老师将以《高效率面部分析算法模型及系统搭建》为主题带来直播讲解。他首先将介绍面部分析算法的研究,之后重点剖析如何利用几行代码搭建高精度面部识别系统,并讲解面向娱乐应用的面部生成算法。最后,他会对高效率的分布式训练方法展开详细解读。
沈佳威老师将就《GPU新架构下人脸识别的训练与推理》这一主题,首先从人脸识别现状讲起,分析全新GPU下AI模型的训练和推理效果。之后他会重点讲解用于人脸识别的AI加速软件及硬件,并分享相关的应用案例。
本次研讨会将在智东西公开课知识店铺上以视频直播的形式进行。研讨会全程由主讲、问答两个环节构成。
研讨会信息
主题一
高效率面部分析算法模型及系统搭建
提纲
1、面部分析算法的研究
2、利用几行代码搭建高精度面部识别系统
3、面向娱乐应用的面部生成算法
4、高效率的分布式训练方法
主讲人
过佳,InsightFace项目发起人。2021年获得NIST-FRVT 美国标准局人脸测评全球第四;Paperswithcode评选2020年世界最流行人工智能项目Top10-第四名;2019年WIDERFace人脸检测大赛全球第二名;2019年iQIYI多模态人脸识别大赛第一名;入选2018年中国人工智能开源项目白皮书,2018年MegaFace百万人脸识别第一名,发表相关领域顶级会议学术论文五篇,被引用数1700+。
主题二
GPU新架构下人脸识别的训练与推理
提纲
1、人脸识别现状
2、全新GPU加速AI训练和推理
3、AI加速软件及硬件推荐
4、案例分享
主讲人
沈佳威,超集信息解决方案部高级硬件工程师,高性能行业解决方案架构师,致力于计算机视觉、多模态等相关领域的解决方案,曾负责众多国家及企业重点人工智能实验室,视觉识别平台的规划与设计,擅长异构计算平台及网络系统的架构设计与管理。
课程时间
12月6日13:00-14:30