一文读懂3D人脸识别十年发展及未来趋势
人工智能与算法学习
共 2091字,需浏览 5分钟
·
2021-10-11 00:01
选自arXiv
人脸识别是机器学习社区研究最多的课题之一,以 3D 人脸识别为代表的相关 ML 技术十年来都有哪些进展?这篇文章给出了答案。
这是第一篇全面涵盖传统方法和基于深度学习的 3D 人脸识别方法的调查论文;
与现有调查不同,它特别关注基于深度学习的 3D 人脸识别方法;
涵盖 3D 人脸识别最新、最前沿的发展,为 3D 人脸识别提供清晰的进度图;
它对可用数据集上的现有方法进行了全面比较,并提出了未来的研究挑战和方向。
评论
文字识别:一文读懂 Transformer OCR
深度学习时代的文字识别:行识别,主流有两种算法,一种是CRNN 算法,一种是attention 算法。
CRNN:CNN+RNN+CTC
白裳:一文读懂CRNN+CTC文字识别
attention :CNN+Seq2Seq+Attention
白裳:完全解析RNN, Seq2Seq, Attention注意力机制
两种算法都比较成熟,互联网上也有很多讲解的文章。
Attention Is All You Need (Transformer)这篇文章,设计了一种新型self-attention结构,取代了 RNN(LSTM\GRU) 的结构,在众多nlp相关任务上取得了效果上的突破,而后来的BERT、GPT等模型亦是来源于
凤舞九天
0