fnmr介紹

簽證照片是非常清晰、正面、無遮擋的一種受控測試場景，成像質量很高，且覆蓋了多達上百個國家的人臉數據。 與前一代的Quadro 5000相比，它提供2.5倍的高處理速度，擁有堅實的運算能力與優異的價格，適用於各種工作站。 以下為FTSE NAREIT Mortgage REITs指數的資訊。 您可以進入本頁的任何一個一個單元，例如歷史資料、圖表、技術分析及其他等詳盡資料。 使用 IE 瀏覽器瀏覽本網站，可能部分網頁的呈現會有破圖或版面跑版的情況，某些網頁互動功能無法正確顯示與使用。 人臉辨識技術需要找到一條獲得社會許可的途徑，這個是Ada Lovelace Institute副主席Shah所發表的言論，他說目前最好的方式是先暫停這類技術的部署，直到完成整體評估、以及與社會各團體的討論。

相較於RTX A5000，A6000擁有更強大的AI人臉辨識處理能力，非常適用於高效能運算需求。 FaceMe SDK 為一跨平台臉部辨識引擎，可彈性相容於各式 AIoT/IoT 裝置，立即來信洽詢更多關於系統相容性、試用與報價的資訊。 未經 Fusion Media 及/或數據提供者事先給予明確書面許可，禁止使用、儲存、複製、展示、修改、傳輸或發佈本網站上含有的數據。 所有知識產權均由提供者及/或在本網站上提供數據的交易所擁有。

fnmr: 2.3 服務可用性

2D相機 (如：webcam或一般手機前鏡頭)可透過互動或非互動方式進行活體辨識，互動方式係透過頭部指令(如：點頭、搖頭)或臉部表情(如：眨眼、張嘴)進行活體判別。 而非互動方式係透過各開發商的獨家演算法，進行真偽判別及辨識。 於疫情期間，口罩偵測是最熱門的應用項目之一，用以確保公共或私人場所之訪客是否正確配戴口罩，及配口罩時進行身分辨識，以保障健康及訪客安全。 而此擷取出的特徵值，可進一步用來比對資料庫中最近似的資料，得出正確身分。

藉由一個或數個的工作站，連接所有場域內的攝影機來進行人臉辨識技術，可提供最簡易、可靠與經濟實惠的解決方案。 訊連科技FaceMe可應用於多項領域中，針對不同的硬體配置 (如搭載的晶片以及作業系統)，提供彈性且客製化的方案，滿足各種場域的應用需求。 此外，FaceMe亦支援OpenVINO、TensorRT、 Qualcomm SNPE及MediaTek NeuroPilot等多種AI邏輯推理引擎。 因此，無論是採用何種硬體配置或架構，FaceMe皆可快速導入，加速深度學習演算法的運算速度。

fnmr: 邊緣設備人臉辨識: 應用於本地裝置與工作站

交易金融工具或加密貨幣之前，你應完全瞭解與金融市場交易相關的風險和代價、細心考慮你的投資目標、經驗水平和風險取向，並在有需要時尋求專業建議。 接著，英國法律規定了警察收集指紋和DNA的條件，以及在採集數據後會發生什麼情況，但目前不涵蓋人臉識別圖像和數據。 後續只能靠GDPR來做為輔助，不過角色不太一樣，GDPR指的是個人隱私資料，而非專注於生物識別資料的法律。 下一步，看結果，由於算法更複雜、資料集分類方式也多，所以測驗結果的總表會有很多張，我們挑某一張來看看就好。 除了child exploitation之外，多代表這個演算法可能有問題，或是針對該類資料集表現太差，導致無法完成。

在智慧金融科技的領域中，於手機上進行電子化了解您的客戶人臉辨識技術，可強化網路銀行、貸款申請、保險申辦等身分驗證準確度。 這類晶片是專為人臉辨識而設計，擁有優秀的硬體與出色的效能表現。 一般來說，其具備堅實的GPU記憶體、高頻寬，與高速的浮點運算效能，適合處理複雜而耗費運算資源的AI演算法，例如臉部辨識。 GPU的運算能力讓您能輕鬆在保全安控系統中導入人臉辨識，同時於多路視訊串流中辨識人臉。 相較之下，雲端人臉辨識需等待即時影像串流至雲端及處理，動輒需要數秒的處理時間。

fnmr: 技術分析

此外，自助入住報到設備也已導入大型連鎖旅館中，以節省排隊等候的時間。 採用人臉辨識技術(如FaceMe) 可為消費者帶來絕佳的使用者體驗，在整趟旅程中，僅需使用人臉即可取代以往的身分辨識方式。 當使用3D景深相機時，主要係透過景深資訊，進行快速的活體判別。 3D景深相機通常可提供較2D活體辨識較即時且較直覺的活體辨識，然而因為需要特殊硬體，建置成本也較高。 相較之下，2D活體辨識可相容於現行裝置之攝影鏡頭，並提供一定準確度的活體辨識。

然後可以看到這個測試，其實更新資料集的頻率滿高的，可以看到2019年2月的時候更換了mugshot database、2019年7月再新增Visa-Border資料集。 使用一般網路攝影機所拍攝的照片，容易有過曝、或光線不足的情況，不過由於架設角度固定，所以照片對人臉的角度，會比Wild來的受控。 兒童照片也是在非限制場景下採集的，因為年齡分佈跟大家的訓練集可能差別比較大，所以也是非常難的一個任務。 自然場景的照片是在非限制場景下採集的，各種光照，角度，遮擋，模糊，低分辨率的情況都可能會出現。

fnmr: 3 透過系統架構優化實現最佳效能

近年來，AI邊緣裝置的運算能力大幅提升，讓臉部辨識的應用可以實現在各式應用場景中。 以金融機構為例，許多金融場所為了安全因素且並無網際網路連線，此時若需導入人臉辨識系統，就須大幅仰賴邊緣運算裝置。 臉部辨識技術的建置類型主要包括「雲端人臉辨識服務」(如：Microsoft、AWS等)及「邊緣裝置人臉辨識」兩大類。 兩種類型都各有其優勢，而一般來說，邊緣裝置人臉辨識主要透過SDK或軟體形式建置於邊緣裝置上，可提供更快的辨識速度、安全性、彈性化以及經濟實惠的建置成本。 擷取到用於人臉辨識的加密資料只能用於與儲存在安全資料庫中的已註冊特徵值建立匹配。 許多數據隱私法律和法規(例如GDPR，CCPA，BIPA和LGPD)都將生物識別數據視為個人訊息，因此，任何需要導入人臉辨識的企業，都必須徵得用戶的同意方能進行臉部綁定。

在邊緣架構的解決方案中，被擷取的資訊包含臉部特徵值數據(透過高維度擷取)，以供未來進行比對和識別使用。 此特徵值不包含實際的人臉圖片、無法重構人臉，並且與所有可進行身份識別的個人訊息分開儲存。 測試中最好與最差的演算法差距在1%左右，而真實環境中，這1%相對顯得不是這麼重要，而是系統的敏捷、穩定性，希望在動態辨識的環境中，可以維持迅速的辨識速度，及系統長期使用的穩定性，才是重要的目標。 fnmr 而GPU是AI應用的重要武器，再加上現在的CPU多線程運算能力越來越強大，所以有些大量識別資料庫的需求，及識別時間上的縮短要求，都可以靠這些技術能力來克服。 以安控應用來說，於單一工作站上，可透過安裝單張或多張GPU卡，同時處理數十或數百路IP攝影機視訊串流。 當應用於百貨公司，機場，工廠或是醫院等大型場域中，動輒需要處理數十、甚至數百個攝影機之視訊串流，來進行人員門禁監控、訪客行為分析、人群管理以及VIP客戶識別等需求。

fnmr: 臉部偵測

人臉辨識技術除了常見的臉部偵測及身分比對外，亦包含了特徵偵測(如：性別、年齡、情緒)、口罩偵測等多種功能。 從事資訊工作二十多年，對資安極具熱情，在 Network Security, Endpoint Security, 及 Mobile Security 等資安領域有超過十年以 上的經驗。 曾任職精誠資訊資安產品代理部門技術經理，負責 資安產品之技術支援與大型企業導入專案。 此外，他也取得了 ISO 主導稽核員證書及 Check Point 的 CCSA 與 CCSE 等防 火牆產品等專業證照。 此外，平常除了喜歡透過ITHelp平台及個人部落格分享文章，亦常擔任社群活動主辦者及志工，連結資安同好聯誼及共好學習，並協助對於CISSP有興趣的同學與同好準備認證考試。 英國警察在購物中心、運動場和街道等公共場所進行real-time人臉辨識技術的試驗。

• 測試中最好與最差的演算法差距在1%左右，而真實環境中，這1%相對顯得不是這麼重要，而是系統的敏捷、穩定性，希望在動態辨識的環境中，可以維持迅速的辨識速度，及系統長期使用的穩定性，才是重要的目標。
• 第二種，同一個人會好幾張照片，有時候資訊更多是件好事，但有時候不是，反而會干擾特徵值，對於演算法來說是一個挑戰。
• 訊連科技FaceMe可應用於多項領域中，針對不同的硬體配置 (如搭載的晶片以及作業系統)，提供彈性且客製化的方案，滿足各種場域的應用需求。
• 臉部偵測為人臉辨識的第一步驟，透過臉部偵測技術，即使僅局部的臉部出現於畫面之中，仍可於影像或影片中精準掃描、偵測及框列人臉之所在位置。
• 此外，平常除了喜歡透過ITHelp平台及個人部落格分享文章，亦常擔任社群活動主辦者及志工，連結資安同好聯誼及共好學習，並協助對於CISSP有興趣的同學與同好準備認證考試。

在疫情時代下，不論是員工或是客戶，確保所有進出建築物內的人員是否皆有配戴口罩，並且體溫是否在正常範圍內，已成為日常必備。 為此，商店或餐廳的管理人員可於前、後門安裝IP相機或是USB相機，並連接到已安裝人臉辨識軟體的PC上，進行人員健康安控管理。 訊連科技經濟實惠的FaceMeSecurity 即用型解決方案可滿足疫情時代需求。

fnmr: 技術總結

以FaceMe來說，其人臉辨識技術可支援2D相機或3D景深相機之活體辨識。 FaceMe可支援的3D景深相機包括：Intel RealSense、iPad及iPhone上的3D結構光相機、奧比中光、奇景光電、華晶科技及鈺立微電子等。 在評估人臉辨識廠商時，須特別注意他們的總部和關鍵設備的所在地。

建置人臉辨識邊緣設備時，因應不同的應用場景與情境來選擇適合的晶片是相當重要的一環，選擇結果也會影響到成本與效能。 fnmr 舉例來說，高階的NVIDIA GPU晶片價格相對昂貴，但其運算能力可在安控場景同時處理上百路攝影機之視訊，可減少於大型場域安控應用中所需要架設的工作站數量，大幅降低成本。 另一方面，聯發科、高通或是恩智浦的低成本SoC晶片雖然運算效能相對較低，大約每秒5幀，僅能滿足正面的人臉辨識，但具備低功耗、低發熱等特性，可滿足絕大部分輕量化的AIoT設備需求。 邊緣運算的創新不僅提高設備效能，同時降低建置成本，開啟了人臉辨識在智慧物聯網 設備上的廣泛應用，智慧自助服務機則是指標性案例。 對於經常旅行的人來說，對採用人臉辨識技術的全球通關以及機場快速安檢的設備肯定不陌生。 目前，具備人臉辨識技術的智慧自助服務機也已廣泛應用在速食餐廳、醫療院所以及飯店旅館中。

fnmr: 臉部識別

歡迎閱讀人臉辨識2022應用趨勢分析，了解人臉辨識於各種垂直領域及行業的相關應用。 在消費型個人電腦中，Core i3是Intel Core系列的入門款CPU，然而在工業電腦領域中，二者足以滿足人臉辨識演算法等各項任務。 Intel CPU兼容Windows與Ubuntu作業系統，使其成為部分應用程式或系統的最佳選擇。 Jetson Xavier NX是最新款的Jetson產品，於2020年3月推出，採用Volta架構，在效能表現、功耗、尺寸以及價格之間取得完美的平衡，適用於機器人、AI相機、小型AI工作站。 於2020年10月發表，主打NVIDIA全新的Ampere 架構。

FRVT資料集是完全不公開的，沒錯，完全不公開，不管是測試、或實際用來做測驗的都沒有，只有簡略的幾段話描述。 註2：戰略新板公司於申請上櫃(市)前，須先轉板至興櫃一般板至少2個月，且登錄興櫃期間滿6個月，其中登錄戰略新板期間得計入。 歡迎訂閱FaceMe電子報，加入上千位專業人士的行列，獲得最新AI人臉辨識文章、產業趨勢、及免費線上論壇訊息。 Fusion fnmr Media 可能會因網站上出現的廣告，並根據你與廣告或廣告商產生的互動，而獲得廣告商提供的報酬。 這是一個推展科技創新媒體及社群平台，我們和PRO Maker共同攜手，打造一個共同學習、交流、創作及分享資源的承上啟下社群。 表格裡的數字，主要就是FNIR，並指定FPIR為0.001。

fnmr: 電子書

臉部辨識引擎一般來說可使用720p攝影機拍攝的畫面，並建議採用1080p的解析度以達到更高的辨識度。 而透過深度神經網路，就能以 AI 演算法及數學算式量測人臉的各項變數、化為特徵值，再比對資料庫以找出該人臉之正確身分。 不過很可惜的，在某幾次測驗中，有96％被識別出是嫌疑犯的民眾，都是無辜被誤認的。 這個代表幾種意義，第一種，嫌疑犯本身的圖像質量太差，第二種，系統的閥值太低，第三種，攝影機所獲取的影像質量太差，第四種，演算法本身不夠好(不過NEC已經是全球名列前茅的技術之一)。 另外順帶一提的是CPU這件事情，原先的FRVT的測試中，是允許GPU的使用，直到2019年2月之後，NIST不再開放GPU使用，只能做CPU使用。 我不太確定這個的主要原因是什麼，雖然可以讓測試環境更加單純，可以更佳的評比出演算法本身的優勢，不過GPU作為新一代AI應用的重要武器，使得FRVT本身會排除掉一些以GPU為主攻的演算法。

藍色小數字是排序，誤辨率約低越好，可以看到有水準的演算法，誤辨率都小於0.1%，代表整體的正確率達到98%以上。 這個排行將mugshot, visa, visa border, and wild等資料集的測驗結果排名平均，也就是說，你不一定要每一項都是最好的，你只要整體平均好就好。 在FRVT的測試中，NIST要求每個廠商或者研究機構都要提供完整的算法代碼，並且由NIST在同一個平台上來運行所有提交，得到最終各個測試集上的結果。 而從2017 年2 月份開始，NIST 開始組織新的人臉識別測評，不同於以往的測評，這次測評沒有截止日期，參加測評者可以根據自身進度提交算法，每隔一段時間出一次報告。

fnmr: 投資，大家都用理財寶

AES是最好的對稱加密算法之一，而256位是最高級別的安全性認證。 由於臉部特徵值資料透過密鑰進行加密，並且分別儲存在原始資料與平台伺服器以外，受到完整保護，即使硬體裝置被破壞或盜取也無法讀取資料。 而FaceMe於NIST FRVT中的「證件照邊境查驗 」測試項目中表現突出，於百萬分之一誤認率下達到99.48%之辨識率，在「實境照比對檢索 」測試中，也在十萬分之一誤認率下達到97%的辨識率。 以一般智慧型手機上使用的Face ID 為例，Face ID提供約96%辨識率(萬分之一誤認率)，可知FaceMe提供相對精準、可靠的人臉辨識系統。

fnmr: 證券櫃檯買賣中心

FaceMe可彈性建置於各式物聯網應用場景中，如：智慧安防及門禁、公眾安全及健康管理、智慧零售、智慧考勤打卡、智慧城市及智慧家居，提供安全、可靠、高辨識率的人臉辨識方案。 AI晶片或是單晶片系統 (system-on-chip, SoC)是影響人臉辨識優化的重要因素之一。 Intel、NVIDIA、聯發科、恩智浦、高通等晶片製造商提供了完整的方案選擇，針對不同使用環境提供對應的優勢。 每種晶片皆內建AI推理引擎，並依照不同的運算能力、設備尺寸及外觀，以及功耗設計而成。 以下我們列舉幾項適用於人臉辨識的GPU與SoC產品供讀者比較。 近年來，各式各樣的邊緣裝置導入人臉辨識系統的應用越來越多，如：智慧門鎖、行動裝置、銷售時點系統(POS, Point-of-sales)、互動式資訊站及電子看板等。

臉部偵測為人臉辨識的第一步驟，透過臉部偵測技術，即使僅局部的臉部出現於畫面之中，仍可於影像或影片中精準掃描、偵測及框列人臉之所在位置。 於臉部偵測時，快速、即時的偵測臉部為判別效能之最主要指標，亦是人臉辨識之基礎。 以FaceMe為例，可於同一畫面中偵測出多張人臉，並逐一精準追蹤框列。 基金之基金配息率不代表基金報酬率，且過去配息率不代表未來配息率；基金淨值可能因市場因素而上下波動。 如需要了解更多關於FaceMe於工作站的應用與優勢，請參考訊連科技與其策略夥伴VIVOTEK合作的人臉辨識安控解決方案。 除了演算法外，另一個影響人臉辨識精準度的因素在於攝影機的畫面品質，如：解析度、角度、光線、鏡頭清晰度及攝影機類型。

fnmr: 臉部特徵偵測

當人臉辨識運行於邊緣裝置時，因為無需等待臉部影像上傳至雲端的時間，可以提供即時的臉部偵測及辨識，於辨識率上也有極佳表現。 事實上，大多邊緣裝置的人臉辨識應用，臉部偵測以及特徵值擷取的過程都是發生在邊緣端。 請務必注意，每個人必須選取任何一種指定的人臉辨識程序來綁定的臉部照片。

FaceMeAI臉部辨識引擎適用於各式標案需求，如安控、場域管理、零售、金融應用等，歡迎進一步與我們洽詢試用。 聯發科i350擁有專屬APU (AI處理器)，能執行各種視覺相關的邊緣AI應用，如人臉辨識、物件辨識等，並擁有更優異的效能與低功耗表現。 相較之下，於邊緣運算裝置建置人臉辨識是更好的選擇，即使在沒有網路的狀態下、或是在無法架設網路的環境下，也可以正常運作。 接下來，讓我們以 建置成本、反應時間，及服務可用性這三個面向來進一步說明，為何企業應該選擇將人臉辨識部署在邊緣裝置上。

fnmr: Pokémon Go 活動列表

這邊講的是FRVT的接受測試方式，最一開始，FRVT測評在之前一共舉辦過五次（FRVT 2000， FRVT 2002，FRVT 2006, FRVT 2010, FRVT 2013）。 恩智浦i.MX8M Plus系列專注於機器學習、電腦視覺、多媒體與工業物聯網領域，具備高可靠性。 其中還在SoC中新增功能強大的NPU，大幅增強AI演算法效能。 NVIDIA於2021年發表Jetson Orin NX與Jetson AGX Orin，兩者皆採用全新Ampere架構並達到上一代產品的5至6倍效能。 人臉辨識的準確度指標可由低的不匹配率(FNMR, false non-match rate)及極低的錯誤匹配率來判別。 錯誤匹配率表示將人物誤認為他人，而不匹配率代表無法匹配出兩張屬於同一個人拍攝的臉孔。

所以未經人們的同意，並且在他們不知情的情況下，透過街道上的攝影機獲取數據，不分青紅皂白地蒐集人臉圖像，還能定位人員並跟踪他們的動作。 有許多研究都指出，人臉辨識在有色人種的辨識準確率較低，甚至也有指出女性的辨識準確率也不如男性高。 由於此兩個辨識率是互相關聯的，所以演算法的優劣，是將FPIR固定在一定閾值時，由FNIR的高低來判斷的。 對於算法的運行時間也有著很嚴格的限制，所有提交都只能使用不超過CPU單線程1秒的計算資源來處理一張圖片從人臉檢測、人臉對齊到人臉特徵提取和識別的所有功能。 資料集的更新、新增、汰換不適用，會讓整體的測驗更有挑戰性，也展示NIST對於此驗證的嚴謹與重視，畢竟資料集的搜集十分耗費成本，同時也需要許多特殊管道(譬如犯罪資料庫、人權組織…等等)。

常見的人臉辨識破解方式包含使用臉部的照片或影片進行破解及身分冒用，也因此，活體辨識於人臉辨識應用至關重要。 臉部特徵偵測可用於分析包括性別、年齡、情緒及頭部動作(如：點頭、搖頭等)。 主要可應用於智慧零售場景，如電子看板上，用以投放分眾式廣告，或分析來店訪客之統計資料。

fnmr: 臉部偵測