产环境，效果没的说，霍蓓蕾不再嚷嚷着说老板抠门了。
开环境则是配有一个ib外加3个gu的小型服务器，生产和开正式分离，进一步优化技术分工细节。
唇语学习的准确率以肉眼可见的度，每天都获得了巨大的提升。每当下班前的小型测验，都像是农民收获果实的狂欢。从5提升到人类唇语专家的13的水准，只用了半个月，并且还在继续提升着。
而情绪识别的进展也是一日千里，计算机已经可以初步分析测试人员的几个表情分类：开心、怒、低落、激动……
至于人景分离，项目优先级被一再的往后挪，似乎已经没人关注了。
人脸考勤机的研亦进入到最后的测试阶段，剩下的则是考虑选用哪家的配件、怎么生产、消费人群的问题。
又到周一，孟凡芸端着一杯水送到了叶晓奇的桌子上。
“叶总，刚gongansansuo打来电话问我们，能不能做出一套配合程度比较低的情况下的人脸检测。”
“没说我们的人脸识别项目反馈情况吗？”
“提了一句，说是准确率过了98，很不错，所以才问问我们能不能做一套低配合下的人脸检测。”
什么叫低配合下的人脸检测？其实就是监控，想想都知道干嘛的。
但凡人脸检测，就涉及到配合度的问题。默认配合程度都是1oo，也就是绝对配合，目的是为了暴露脸部所有特征，尽可能的达到理想的效果。
不配合的情况是什么？比如化妆术，这个神仙都辨识不了。再比如半张脸(侧脸)、戴遮阳帽、粘胡子、戴口罩、戴眼镜。脸部暴露面积过5o，却又不包含所有的特征点。
并不是所有的人脸识别场景都是绝对配合的，脸部完全匹配(匹配程度占一个百分比)对使用者的要求也比较苛刻，所以低配合下的脸部识别才有意义，但是这对特征库的权值算法和分类器的策略要求更高。
叶晓奇想了想，“你回复他们，就说可以。”
“对方还要求人脸识别最近这一版的源代码。”
“给他们。”
得了回复的孟凡芸，转身就出去了，不一会儿，刘浩然推门进来，“叶总您找我？”
“嗯，交给你一个任务，考勤机先放放，眼下可能有个新活儿。说起来跟考勤机差不多，要求更苛刻一点，半张脸识别是哪个人。”
“半张脸？”
“对”，叶晓奇解释了下应用场景，刘浩然也没多问，就应下了。
(好难写啊，之前说可能比较毒，是因为我想着加入863，还查了一大堆资料看看可行性。后来又查了查，加入863也没什么卵用，该不鸟你的还不鸟你，人家乐意2ooo万去造大狗你也管不着。机械这个我真不懂，饿补了一些知识也没用，所以就当场it项目来写吧，反正看行内人说的跟it项目也差不多……删了好几遍，重新写了好几遍，写成这个鬼样子。中午看见新闻说didi也搞金融了，bat加jd等等一大票都跑去搞金融了……一说自动驾驶一窝蜂的全都去了……为什么炒作这个想都不用想，炒完云服务炒大数据，炒完众筹炒共享，炒完算法炒ai。真搞不懂这帮人眼里除了钱还剩什么，心塞……)
第260章 低配合人脸识别[2/2页]