系列文章
[第二十一夜] 人眼視線 (Eye Gaze)--如何收集資料
前言 歡迎回到我們的 30 天人臉技術探索之旅！我們已經知道要建立深度學習系統時一般來說我們需要訓練出自己的 Model，而要訓練出自己的 model 我們就需...
[第二十二夜] 人眼視線 (Eye Gaze)--資料處理以及訓練 EyeGaze 模型
前言 今天我們要來介紹 EyeGaze 資料的處理資料以及如何訓練自己的 EyeGaze model，稍後我們會上傳晚整的成是在這個連結上給大家參考! Data...
[第二十三夜] 人臉辨識(Face recognition) 簡介
前言 在前面的章節我們介紹了關於一個人臉的 2D 資訊--ex. Face detection & Facial landmark，也介紹了關於 3D...
[第二十四夜] 人臉辨識 (Face Recognition)：Loss 基礎介紹 Part.1
前言 在之前的 Facial landamrk 或者 EyeGaze 等等大都是使用 MSE loss 來做訓練，那要如何來做 Face recognitio...
[第二十五夜] 人臉辨識 (Face Recognition)：Loss 基礎介紹 Part.2
前言 歡迎大家再次回來我們這個系列，昨天我們已經介紹過幾個基本可以用在 Face recognition 上的 loss 了，如下圖如人類在 Face Reco...
[第二十六夜] 人臉辨識 (Face Recognition)：Large marginal loss (Sphereface, Cosface , 以及 Arcface)訓練實做
前言 在今晚的學習中，我們將實現 Face recognition的訓練以及用於人臉識別的損失函數 - Large marginal loss，內含 Spher...
[第二十七夜] 人臉辨識 (Face Recognition)：Dataset 的收集、數量和品質影響以及清理資料的方法
前言 我們已經知道如何訓練 Face recognition 的模型了!但我們都知道要一個好的模型應該要很多資料才行，在人臉辨識領域中也不例外，擁有高質量的大量...
[第二十八夜] 資料隱私問題 Part.1--簡介
前言 人臉辨識技術的迅猛發展為許多領域帶來了便利，但同時也引起了隱私和安全的關切。例如，歐洲出台的 GDPR去規範了我們其實不能濫用大家的資料尤其是沒有大家的同...
[第二十九夜] 資料隱私問題 Part.2--考慮真實資料去識別化（De-Identification）的方法
前言 我們回想一下顧慮資料隱私的方法目標，基本上主要是希望目標部屬模型 不要看到原本完整的真實資料，如果我們沒有考慮Federated learning那種使用...
[第三十夜] 資料隱私問題 Part.3--使用虛擬資料 (Synthetic data)的方法
前言 今天我們要來介紹更加 Privacy-protect 的方法--使用虛擬資料 (Synthetic data)的方法！這類方法考慮著你無論如何使用遮擋或者...