该研究表明了深度卷积神经网络（DCNN）是如何以不同于研究人员预期的方式识别人脸的。在机器学习中，计算机通过分析大量数据以学习识别模式，其目标是能够以最少的人工投入做出决策。
【安防在线 www.anfang.cn】脸部识别技术在过去五年中发展迅速，美国德克萨斯大学达拉斯分校的研究人员试图确定计算机在完成任务时的如何能表现得与人们一样好，进而阐明人脑对信息进行分类的方式。
达拉斯分校的科学家分析了最新的面部识别算法梯队的性能，揭示了这些基于机器学习的程序的工作方式。他们的研究于上个月发表在《自然机器智能》（NatureMachineIntelligence）上。
该研究表明了深度卷积神经网络（DCNN）是如何以不同于研究人员预期的方式识别人脸的。在机器学习中，计算机通过分析大量数据以学习识别模式，其目标是能够以最少的人工投入做出决策。
研究作者之一AliceO’Toole说：「在过去的30年中，人们一直认为基于计算机的视觉系统会摆脱所有特定于图像的信息―角度，照明，表情等。相反，算法在保留了这些信息的基础上更注重个人身份信息的储存，这给了我们一种全新的思考方式。」
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
安防在线，扎根安防行业，致力于推动安防行业智能化。
欢迎关注：安防在线 ，公众号：anfang_cn
在人脸识别智能安全领域，对抗、深度伪造技术的快速发展已经引起了社会的广泛关注。通过这些技术可以轻松地生成虚假的数字内容，从而对人脸识别系统进行攻击，这严重威胁了社会安全和公众隐私。
近年来，政企对数据分析和决策的时效性要求日益提升，实时数据处理需求在数据分析整体需求中的占比不断提高。大数据实时智能分析涵盖计算引擎、数据治理、数据分析、智能决策、数据应用等功能模块，能够处理结构化、半结构化和非结构化等多种类型的数据，在为用户提供实时的业务洞察和智能决策方面发挥着越来越重要的作用。
在智慧监狱建设中，通过大数据、云计算、物联网、人工智能、移动互联网等新一代信息技术总体来说是提升了监狱管理和监督的能力，实现了监狱管理模式从盲目管理到精准管理、被动管理到主动管理、粗放式管理到精细化管理、碎片化管理到系统性管理的改变。经过监狱智能化目前主要用于安全保障的阶段后，监狱安防智能化将全面和监狱各业务平台进行完善对接，智慧监狱是监狱信息化发展的未来，监狱安防智能化则是其中不可或缺的一部分。
总的来说，目前智能分析技术的发展还是不太均衡，有些厂家有算法但没有很好的产品形态，有些厂家有算法和产品但没有配套的智能分析系统管理软件，这些都大大制约了产品的推广与客户的使用。这些都需要厂家持续发展，智能分析才能有更好的进步。
在智能交通中，通过智能视频分析技术，可以从视频中分理出一些值得关注的关键信息，并通过实时分析加工，获取交通状况信息，同时对实施现场路况作出即时反应。
作为体育赛场秩序稳定重要组成部分，安全防范系统要求系统在技术上先进、成熟；在性能上稳定、可靠；在使用和管理上便捷、高效；同时考虑的电子信息技术的飞速发展，系统应具有足够的开放性以满足系统的升级、扩展和兼容等方面的要求。
