人工智能和python是什么關(guān)系？人工智能是一個(gè)大概念，具體落地人工智能項(xiàng)目會(huì)聯(lián)系機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架，這些框架大多是基于Python開發(fā)的，所以為了進(jìn)一步人工智能項(xiàng)目的開發(fā)，Python語言的學(xué)習(xí)

人工智能和python是什么關(guān)系？

人工智能是一個(gè)大概念，具體落地人工智能項(xiàng)目會(huì)聯(lián)系機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架，這些框架大多是基于Python開發(fā)的，所以為了進(jìn)一步人工智能項(xiàng)目的開發(fā)，Python語言的學(xué)習(xí)也是很有必要的

python用opencv做的人臉識(shí)別占用性能嚴(yán)重，怎么優(yōu)化？

關(guān)于您的問題的描述性信息太少。無法給出具體答案。你只能給出一個(gè)大概的想法。

Python雖然易學(xué)易用，但效率不高，所以一般適合實(shí)驗(yàn)性代碼開發(fā)，可以快速驗(yàn)證思想或算法的正確性。例如，在談到人臉識(shí)別時(shí)，無論是使用深度學(xué)習(xí)算法還是傳統(tǒng)算法，都應(yīng)該首先設(shè)計(jì)一個(gè)算法，驗(yàn)證它是否能正常工作。只有能夠正確檢測(cè)出人臉的算法才是可行的算法。至于效率，這是下一個(gè)優(yōu)化目標(biāo)。

一般來說，圖像處理的計(jì)算量比較大，在驗(yàn)證了算法的正確性后，通常會(huì)將Python代碼移植到更高效的C/C平臺(tái)上，特別是對(duì)于opencv，因?yàn)閛pencv的開發(fā)語言是C，至于如何用C調(diào)用Python模型，請(qǐng)參考我寫的一篇文章，也是關(guān)于圖像處理的。

此外，對(duì)于計(jì)算量較大的任務(wù)，如深度學(xué)習(xí)，CPU往往難以滿足計(jì)算要求，因此需要GPU加速。

python做人臉識(shí)別用OpenCV就夠了嗎？你怎么看？

問這個(gè)問題是懶惰的，就像只記住500個(gè)單詞就可以考研究生一樣。

Opencv是一個(gè)開源的計(jì)算機(jī)視覺庫，它提供了許多函數(shù)來非常有效地實(shí)現(xiàn)計(jì)算機(jī)視覺算法。更像是工具箱。雖然4.0版引入了深度學(xué)習(xí)，但在實(shí)際應(yīng)用中還遠(yuǎn)遠(yuǎn)不夠。最多是用來嘗試新事物。

現(xiàn)在比較成熟的人臉識(shí)別方法是SSD人臉檢測(cè)，采用Caffe框架。建議您理解這一點(diǎn)。它可以高度定制，甚至訓(xùn)練好的模型也可以直接部署。

人臉識(shí)別本質(zhì)上屬于深度學(xué)習(xí)。如果你想長(zhǎng)期深入這個(gè)領(lǐng)域，就必須掌握基礎(chǔ)。當(dāng)你掌握基礎(chǔ)的時(shí)候，你會(huì)通過看TunSoFrand和咖啡館來理解它。這些都是手套。

想用python做一個(gè)人臉識(shí)別認(rèn)證當(dāng)畢業(yè)設(shè)計(jì)用，有沒有什么建議或者大體設(shè)計(jì)思路？

至少有兩種解決方案。第一個(gè)是做一個(gè)人臉設(shè)計(jì)應(yīng)用系統(tǒng)，它傾向于實(shí)現(xiàn)整個(gè)設(shè)計(jì)的內(nèi)容；第二個(gè)是重點(diǎn)研究具體的識(shí)別模型算法。具體來說：

這種方案可以把竣工設(shè)計(jì)看作是一種工程實(shí)踐竣工設(shè)計(jì)。內(nèi)容涉及整個(gè)系統(tǒng)的設(shè)計(jì)，如BS架構(gòu)或CS架構(gòu)，如何采集人臉數(shù)據(jù)，搭建識(shí)別終端設(shè)備，后端服務(wù)器，數(shù)據(jù)庫設(shè)計(jì)，硬件拓?fù)浜蛿?shù)據(jù)流設(shè)計(jì)等，具體的人臉識(shí)別模型訓(xùn)練和算法實(shí)現(xiàn)，可以使用開源程序，opencv、keras等Python庫都有開源的算法，可以用來滿足一般的需要，本文只介紹了算法的原理，不能重點(diǎn)對(duì)整個(gè)算法進(jìn)行優(yōu)化。

該方案?jìng)?cè)重于具體的模型和算法實(shí)現(xiàn)。我們需要通過對(duì)現(xiàn)有算法的優(yōu)化，提出一種精度更高、模型訓(xùn)練速度更快或樣本量更小的算法。作為論文，必須給出具體的優(yōu)化指標(biāo)。例如，我們可以研究基于深度神經(jīng)網(wǎng)絡(luò)的單樣本模型算法，以提高人臉識(shí)別的可靠性和準(zhǔn)確性。當(dāng)然，這些模型在Python或keras中有一些開源資源，建議使用OPENFACE，并實(shí)現(xiàn)了使用Python keras的情況。GitHub地址是：https://github.com/iwantooxoxox/Keras-OpenFace

打算用Python做畢業(yè)設(shè)計(jì)，可以做哪些方面的？

現(xiàn)在人工智能和大數(shù)據(jù)很流行，Python在這些方面更強(qiáng)大。

供參考：https://www.toutiao.com/i6632168112936452612/在學(xué)習(xí)了這一系列教程之后，您可以開始學(xué)習(xí)人工智能并找到一份好工作。

python開發(fā)人臉識(shí)別，常用的框架有哪些？

用Python從opencv做人臉識(shí)別還是太難了，因?yàn)閛pencv提供的設(shè)施太基礎(chǔ)了，現(xiàn)在做人臉識(shí)別的人都要用深度學(xué)習(xí)算法來訓(xùn)練模型，這樣識(shí)別率才能提高。

因此，我們必須找到一個(gè)更高級(jí)別的框架。

例如，嘗試此基于Dlib的人臉識(shí)別庫（您也可以直接使用Dlib）：https://github.com/ageitgey/faceRecognition#face Recognition

有很多類似的框架，可以在GitHub上找到。然而，它們還達(dá)不到工業(yè)強(qiáng)度。如果您想在生產(chǎn)環(huán)境中使用它們，就必須權(quán)衡代碼的質(zhì)量和準(zhǔn)確性。有很多洞。