开源ai机器人平台，开源软件在中国

1，开源软件在中国

有当然有金山软件不是开源了么

开源软件在中国

2，市面上有哪些开源的人工智能系统

11月5日Google开源了TensorFlow，11月7日Microsoft开源了DMTK。两家巨头高科技公司相继争先恐后的开源人工智能计算工具包，目的无非是争夺用户资源。实际上，除了这两家公司外，几年以前已经开源的这种工具包还有很多。出现个TensorFlow没什么稀奇的。Google做的已经晚了，而且计算性能也不是多好，相信按照Google的实力，它们应该会持续改进。

你想做什么项目

市面上有哪些开源的人工智能系统

3，什么是 SeetaFace 开源人脸识别引擎

区分不同的人是很多智能系统的必备能力。为实现此目的，一种可能的技术手段是通过对人脸的光学成像来感知人、识别人，即所谓的人脸识别技术。经过几十年的研发积累，特别是近年来深度学习技术的涌现，人脸识别取得了长足的进步，在安防、金融、教育、社保等领域得到了越来越多的应用，成为计算机视觉领域最为成功的分支领域之一。　　然而，人脸识别并非完全成熟的技术，离公众期望的全面应用尚有距离，还需要学术界、工业界的共同努力。为此，整个人脸识别社区需要有基准(Baseline)系统，而且基准系统的水平显然会极大影响着该领域的发展水平。可是令人尴尬的是，这个领域迄今尚无一套包括所有技术模块的、完全开源的基准人脸识别系统!我们希望改变现状，因此开源了SeetaFace人脸识别引擎。该引擎由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现，且不依赖于任何第三方的库函数，开源协议为BSD-2，可供学术界和工业界免费使用。　　SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块(SeetaFace Detection)、面部特征点定位模块(SeetaFace Alignment)以及人脸特征提取与比对模块 (SeetaFace Identification)。　　人脸检测模块SeetaFace Detection采用了一种结合传统人造特征与多层感知机(MLP)的级联结构，在FDDB上达到了84.4%的召回率(100个误检时)，并可在单个i7 CPU上实时处理VGA分辨率的图像。面部特征点定位模块SeetaFace Alignment通过级联多个深度模型(栈式自编码网络)来回归5个关键特征点(两眼中心、鼻尖和两个嘴角)的位置，在AFLW数据库上达到state-of-the-art的精度，定位速度在单个i7 CPU上超过200fps。人脸识别模块SeetaFace Identification采用一个9层的卷积神经网络(CNN)来提取人脸特征，在LFW数据库上达到97.1%的精度(注：采用SeetaFace人脸检测和SeetaFace面部特征点定位作为前端进行全自动识别的情况下)，特征提取速度为每图120ms(在单个i7 CPU上)。

什么是 SeetaFace 开源人脸识别引擎