大规模人脸聚类项目
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
随着安防数据的增加，在各种视频、图像中进行检索成为越来越重要的问题，这其中基于特征的相似度检索应用最为广泛，例如，人脸检索、车辆检索、人体检索以及基于这些检索的大数据应用：轨迹检索、聚类、同行分析等。
k近邻搜索（k-NNS）是对图像特征检索的一个最好描述，即在数据库中查找与输入特征最近的k个特征并返回的过程。最简单完成这项任务的过程是“暴力搜索”，即将输入特征与数据库中所有的特征全部比对一遍，然后按照相似度（或距离）进行排序，取最相似的k个特征进行返回。
在大规模的数据库中进行图像特征的检索是一个公开的难题，难点在于图像特征不能像文本那样可以非常简单、方便的建立索引后进行快速检索。暴力搜索的时间在数据库非常大时，非常耗时，以256维浮点特征为例，在亿级库中进行一次暴力检索需要时间约10秒，在实时响应系统中很难达到实用。
本项目可以做到百亿级人脸向量数据实时响应的效果，同时具备将同一人的无标签数据自动识别归类。
k近邻搜索（k-NNS）是对图像特征检索的一个最好描述，即在数据库中查找与输入特征最近的k个特征并返回的过程。最简单完成这项任务的过程是“暴力搜索”，即将输入特征与数据库中所有的特征全部比对一遍，然后按照相似度（或距离）进行排序，取最相似的k个特征进行返回。
在大规模的数据库中进行图像特征的检索是一个公开的难题，难点在于图像特征不能像文本那样可以非常简单、方便的建立索引后进行快速检索。暴力搜索的时间在数据库非常大时，非常耗时，以256维浮点特征为例，在亿级库中进行一次暴力检索需要时间约10秒，在实时响应系统中很难达到实用。
本项目可以做到百亿级人脸向量数据实时响应的效果，同时具备将同一人的无标签数据自动识别归类。
大规模人脸聚类项目
联系该工程师
微信扫码，建群沟通
案例介绍
随着安防数据的增加，在各种视频、图像中进行检索成为越来越重要的问题，这其中基于特征的相似度检索应用最为广泛，例如，人脸检索、车辆检索、人体检索以及基于这些检索的大数据应用：轨迹检索、聚类、同行分析等。
k近邻搜索（k-NNS）是对图像特征检索的一个最好描述，即在数据库中查找与输入特征最近的k个特征并返回的过程。最简单完成这项任务的过程是“暴力搜索”，即将输入特征与数据库中所有的特征全部比对一遍，然后按照相似度（或距离）进行排序，取最相似的k个特征进行返回。
在大规模的数据库中进行图像特征的检索是一个公开的难题，难点在于图像特征不能像文本那样可以非常简单、方便的建立索引后进行快速检索。暴力搜索的时间在数据库非常大时，非常耗时，以256维浮点特征为例，在亿级库中进行一次暴力检索需要时间约10秒，在实时响应系统中很难达到实用。
本项目可以做到百亿级人脸向量数据实时响应的效果，同时具备将同一人的无标签数据自动识别归类。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
