XiaoMi-AI文件搜索系统
World File Search System人脸
AI Box 用户手册
AI Box 搭载多种深度学习和分析算法，是一款高性价比的人工智能计算产品，能够精准、即时地识别检测到的物体。因此，AI Box 是一个深度学习解决方案平台，能够实现人脸识别、人车管控、周界预警等人工智能应用。
欧盟边境的人工智能 - 欧洲议会
本文概述了欧盟在开发和部署人工智能 (AI) 技术以改善边境管制和边境安全方面的举措。首先，概述了社会和政治背景下身份识别技术（护照、指纹、摄影、测谎、人脸识别）的历史发展。其次，概述了欧盟的智能边境政策，审查了欧盟的集中信息系统以及边境和安全的主要信息交换机制。第三，通过研究四类人工智能应用，调查了欧盟在边境人工智能方面的主要举措：1) 生物特征识别（自动指纹和人脸识别）；2) 情绪检测；3) 算法风险评估；4) 用于移民监测、分析和预测的人工智能工具。第四，讨论了此类人工智能应用的开发和使用所引发的关键问题，即可靠性问题（技术和数据质量的准确性）和基本权利问题（偏见和歧视、数据保护和安全、非法分析以及欧盟资助人工智能研究的透明度）。本文最后对技术的更广泛理解进行了反思，并警告不要陷入技术决定论和技术中立的神话。
公共领域人工智能（AI）技术的合法性......
摘要。本研究的目的是分析和制定基于 5.0 时代信息技术使用的公共服务转型政策。本研究是规范性法律研究，采用实证、案例和概念方法，通过描述性分析分析基于二手数据的数据源。研究结果表明，5.0 时代的技术使用是人工智能 (AI) 技术；该技术可用于现金转移部门的公共服务背景，也可用于安全部门的服务，在提供现金援助的公共服务部门。AI 技术用于处理和分析受益人数据，在安全部门，AI 技术可用于预测犯罪并建议安全部队的存在。AI 还可用于检测人脸，其中 AI 可以保证比人类更高的人脸和时间警察的准确性。在公共服务领域使用人工智能已经产生了影响，即减少了人类在公共服务中的作用，此外，人工智能还处于公共服务的最前沿，使公共服务互动不再是人与人之间的互动，而是人与机器之间的互动。在公共服务领域使用人工智能的挑战是政府对人工智能的使用准备程度非常低。
液晶弹性体的数字编程以实现高保真表面变形
可变形表面有可能实现新型自适应系统，但现有的制造方法在实现高分辨率变形为任意指定形状的能力方面有限。这项工作提出了一个平台和用于生成刀具路径的算法，以实现能够进行高分辨率表面变形的自由曲面结构。变形表面由液晶弹性体 (LCE) 组成，向列相域使用能够施加可调压力和剪切速度的刮擦柱进行对齐，能够局部调整驱动应变，从而将曲率半径从 1.8 毫米调整到 14.4 毫米。使用两种替代算法生成了多层结构的图案化刀具路径，并使用能够从平板变形为圆顶的示例结构和人脸模型对结果进行了比较。与原始模型相比，此过程产生的变形人脸形状结构相似度高达 84.5%，证明了这种方法在制造复杂可变形 LCE 结构方面的高保真度和可重构性。
利用人工智能进行假脸检测
随着技术的进步，可以以非常无缝的方式为伪造媒体创建人脸图像，利用视频的大规模可访问性。这些假面孔可能用于对目标对象进行冒充攻击。ASCII 文本文件计算机代码和各种商业应用程序的可用性提供了通过几种方式获取选定目标对象的伪造视频的机会。在本文中，我们倾向于通过一系列研究来判断检测方法的普遍性，以对检测准确性进行基准测试。为此，我们从非复制网站收集了一个包含 50,000 多张图像的新数据库，这些图像来自多种数字生成的伪造来源，包括计算机图形图像生成和许多基于篡改的方法。此外，我们还使用了智能手机上常见的应用程序修改的视频。使用基于纹理的手工检测和使用 CNN 方法进行了广泛的实验，以确定检测方法的适用性。通过这种方式，我们可以通过 CNN 方法检测假脸。检测一张看起来很逼真的假脸。我们获取大量图像数据集并对其进行规范化。因此，我们从互联网上收集了大量名人照片，并希望从这些照片中检测出假脸。这样就可以从人脸中检测出假脸。
统计与机器学习：迈向AI真实数据专题实作推荐书单
编号书名索书号1 脸的秘密: 「看」人的科学= The secret of the face / 176.3 /865.3 2 白话大数据与机器学习/ 312.136 /836.1 3 机器学习: 使用Python进行预测分析的基本技术/ 312.32P97 /8634 4 AI影像深度学习启蒙: 用Python进行人脸口罩识别/ 312.32P97 8523 5 Python机器学习超进化: AI影像辨识跨界应用实战/ 312.32P97 8644.1 6 30分钟就读懂: 机器学习从数学开始/ 312.32P97 8765 2022
Confluence 人工智能
在研发方面，学院开展了广泛的研究，包括捕获、建模和预测数据。我们的目标从理解基础科学到设计实用解决方案。我们的研究应用包括土木工程结构强度预测、移动边缘计算系统中的稳健通信、医疗保健中的道德 AI 使用、人脸和手势识别、口语识别和理解、真实世界视觉场处理和识别、使用 ML 模型进行可靠性测试、时间序列数据分析、生成 AI 等。我们定期在期刊和会议上发表我们的研究成果，并通过我们的外展互动与公众接触！
一种快速低功耗多传感器 3D 场景框架...
摘要。我们提出了一个计算框架，它结合了深度和颜色（纹理）模态来进行 3D 场景重建。场景深度由采用飞行时间原理的低功率光子混合装置 (PMD) 捕获，而颜色（2D）数据则由高分辨率 RGB 传感器捕获。这种 3D 捕获设置有助于 3D 人脸识别任务，更具体地说，有助于深度引导图像分割、3D 人脸重建、姿势修改和规范化，这些都是特征提取和识别之前的重要预处理步骤。两种捕获的模态具有不同的空间分辨率，需要对齐和融合，以形成所谓的视图加深度或 RGB-Z 3D 场景表示。我们特别讨论了系统的低功耗操作模式，其中深度数据看起来非常嘈杂，需要在与颜色数据融合之前进行有效去噪。我们建议使用非局部均值 (NLM) 去噪方法的修改，该方法在我们的框架中对复值数据进行操作，从而提供针对低光捕获条件的一定稳健性和对场景内容的自适应性。在我们的方法中，我们对范围点云数据实施双边滤波器，确保数据融合步骤的非常好的起点。后者基于迭代理查森方法，该方法用于使用来自颜色数据的结构信息对深度数据进行有效的非均匀到均匀重采样。我们展示了基于 GPU 的框架的实时实现，可产生适合面部规范化和识别的高质量 3D 场景重建。关键词：ToF、2D/3D、深度、融合、去噪、NLM、面部、ICP