㈠ 用圖片識別搜索引擎（如百度識圖、騰訊優圖）識別個人照片，會不會泄露個人隱私也就是說圖片會不會上傳
會在一定范圍內泄露個人隱私。圖片也會上傳。
原因：圖片識別的基本原理是"感知哈希演算法"（Perceptual hash algorithm），它需要先抓取你的圖片信息，然後根據圖片信息生成一個獨一無二的字元串，然後再去匹配類似接近的字元串。在抓取和匹配的過程中，你的個人信息其實已經上傳。
(1)騰訊優圖有什麼技術擴展閱讀
圖像識別，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，是應用深度學習演算法的一種實踐應用。
現階段圖像識別技術一般分為人臉識別與商品識別，人臉識別主要運用在安全檢查、身份核驗與移動支付中；商品識別主要運用在商品流通過程中，特別是無人貨架、智能零售櫃等無人零售領域
圖像的傳統識別流程分為四個步驟：圖像採集→圖像預處理→特徵提取→圖像識別。圖像識別軟體國外代表的有康耐視等，國內代表的有圖智能、海深科技等。另外在地理學中指將遙感圖像進行分類的技術。
㈡ 對話騰訊優圖實驗室：我們用AI探星不是為了短期價值
地球自轉一圈需要24小時，那麼你知道脈沖星（不斷發出脈沖信號的中子星）自轉一周需要多久嗎？
答案是：按秒計算。
即便是目前發現轉速「最慢」的脈沖星（編號J0250+5854），它自轉一周可能也只需要23秒。而轉速快的脈沖星，它可能在你一眨眼的功夫就已經偷偷跑了幾十個轉了。
因而，我們人類用肉眼是很難直觀感受到脈沖星的頻率。約定俗成的手段是，利用射電天文望遠鏡對脈沖星發出的射電信號特徵進行提取，然後將這部分特徵通過二維空間的方式表達出來。科學家通過對這些數據進行相應的追蹤觀測，才能夠發現脈沖星的痕跡。
但這一切帶來的工作量都太大了。
2021世界人工智慧大會期間，馬化騰宣布了騰訊與國家天文台的合作，雙方合作的項目，主要是藉助騰訊雲的計算、存儲能力與騰訊優圖實驗室AI演算法的能力，為中國天眼FAST尋找脈沖星提速。
一家是互聯網公司里的實驗室，一家是從事基礎科研的天文台，如何開啟探星業務？
找星星的人
中國科學院國家天文台研究院、FAST首席科學家李菂向雷鋒網透露， 雙方合作期間已經被驗證的新脈沖星已經有5顆了。
讓人興奮的數字。
實際上，這場興奮最初源於1967年和1993年的兩次脈沖星觀測發現，其意義引發了全世界天文學家對脈沖星 探索 的強烈熱情。
而在中國天眼落成之前，中國的望遠鏡和中國工作的科學家從來沒有發現過新的脈沖星。
2016年9月，全球最大的500米單口徑球面射電望遠鏡FAST落成，也就是我們如今常說的「中國天眼」。
過去幾年，僅中國天眼FAST一家就已經觀測到近350顆脈沖星，佔全球已發現脈沖星總數（近3000顆）的十分之一。
可以說，中國科學家在利用天眼作為天體設備搜尋脈沖星方面，已經具備一定的領先性和成熟經驗。
而這一領先性有望被再度提升。
2021年，騰訊優圖實驗室主動找到李菂老師團隊，希望能利用騰訊自身在AI演算法、計算資源調度等方面的優勢，為航天探星做出一些努力。
經過前期的一系列交流和 探索 後，雙方很快就在春節後正式確立了項目：即利用 AI 幫助中國天眼 FAST 處理每天接收到的龐大數據量，並通過視覺 AI 分析找到脈沖星線索。
李菂老師告訴雷鋒網：
復雜的圖像數據
優圖實驗室在這個過程中做的，其實就是將交給科研工作者判斷的特徵圖，交給機器來處理判斷。當然這部分特徵圖也是經過處理後的適合計算機視覺領域處理的圖像數據。
騰訊優圖實驗室副總經理黃飛躍向雷鋒網指出:
這個過程就好比是粗篩和預處理，利用AI的方式解決掉（如針對缺少標注數據問題，採用了小樣本學習、遷移學習方法），然後留下的少部分樣本，再經過人工再次比對確認。從整個流程的效率和識別的准確率上都有比較高的提升。
從結果來看，FAST一周產生的數據，大約相當於3000 萬張信號圖。如果以人工肉眼按照 1 張/秒速度，在不吃不喝不休息的條件下，需要用一年的時間。如果通過 AI 處理，只需要 3 天時間就可以處理 FAST 的 1 個月數據，極大的節省了人工時間成本。
從磨合到共同促進
在與優圖實驗室合作之前，並不代表天眼FAST沒有嘗試過與機器學習等交叉學科的探究。
例如，FAST團隊就已經普遍在嘗試使用AI技術，FAST團隊中的一位研究員，在2014年就已經利用深度學習模型找到了脈沖星。但問題就在於團隊一般只能獲得到一些公共的工具，他們缺乏的正是具備底層開發的專業研發人員和能力。
而與之磨合的優圖實驗室其實也不乏有天文愛好者，甚至有研究員此前曾針對天文信號分析做過研究。再後來，團隊愈加意識到計算機視覺等AI技術對天文台探星工作的可能性。
騰訊優圖實驗室定位於應用與研究兩步走：一是在計算機視覺技術的產業落地；二是有更多科研性的 探索 。出於這樣的初衷，實驗室內部會不定期挖掘、 探索 新的方向。
或許，正是因為這樣的機緣為雙方接下來的合作做了良好鋪墊。
實驗室也要理解用戶
此次大會，我們明顯還看到一個信號：優圖實驗室在AI的規模化方面開始形成自己的節奏。
過去很長一段時間里，互聯網大廠的AI實驗室更強調對前沿技術的 探索 ，單純拼科研成果，而不是經濟效益。
大會現場，騰訊雲副總裁、騰訊優圖實驗室總經理吳運聲宣布推出TI ONE、TI Matrix、TI DataTruth三大AI底層平台，包括演算法開發、模型訓練、數據標注和數據處理等一系列開發能力。目前騰訊雲已經開放超過300項人工智慧的能力，超過50個人工智慧解決方案。
從列舉的一些案例中，不難發現：從過去的消費互聯網領域，到如今工業、金融、傳媒等產業互聯網領域，都已經有了騰訊優圖落地的身影。
在吳運聲看來，過去幾年騰訊優圖在落地產業的改造上更像是「打了一些釘子，這是必要的，但也都是單點，想要形成規模化還是有一定難度的。」
這說明：實驗室更加從用戶視角開始理解問題。
在會後的媒體對話中，吳運聲提到，
當科研與應用不再沖突
與之相呼應的是，與上述天眼FAST項目的合作，其實是騰訊 科技 向善的一個標桿案例。
這與我們所在乎的AI助力行業究竟是不是一種矛盾？
其實，觀察騰訊各大 科技 實驗室近段時間的表現，你會發現：它們開始主動出擊，頻繁與雲業務等各部門聯動起來，作為整體解決方案打包出去的同時，也會為了落地要行業、要場景，為了規模化要公有雲能力的支撐。
仰望星空，但同時也要腳踏實地。實打實地看到些效果、成果，才是激勵這群科研工作者的最強動力。
㈢ 學界 | 曾刷新兩項世界紀錄，騰訊優圖人臉檢測演算法 DSFD 正式開源
AI 科技 評論按 ：近年來，卷積神經網路在人臉檢測中取得了很大的成功，然而這些方法在處理人臉中多變的尺度，姿態，遮擋，表情，光照等問題時依然比較困難。為此，騰訊優圖推出名為 DSFD （中文名為雙分支人臉檢測器）的全新演算法，該演算法在著名人臉檢測數據集上取得喜人結果，如今騰訊優圖決定將之進行開源。
騰訊優圖的研究員們發現，雖然之前的人臉檢測演算法大都採用深度學習模型，並在特徵學習的過程中也有採用特徵金字塔網路（Feature Pyramid Network），但在面對遮擋、暗光、大姿態、小臉等復雜場景時，仍容易出現誤檢或漏檢的情況。因此，在 FPN 基礎上，騰訊優圖團隊採用了 3 種不同級聯方式的空洞卷積（Dilated Convolution），設計了特徵增強模塊 FEM，充分學習到了不同感受野下的人臉特徵。
本文提出了一種新的方法，分別處理了人臉檢測方向的三個關鍵點，包括更好的特徵學習，漸進式的損失函數設計以及基於錨點分配的數據擴充：
DSFD 演算法
該演算法已被計算機視覺頂級會議CVPR 2019接收，原文《DSFD: Dual Shot Face Detector》（https://arxiv.org/abs/1810.10220v2）由南京理工大學計算機科學與工程學院 PCALab 與騰訊優圖實驗室合作完成。
在兩個著名的人臉檢測數據集 WIDER FACE 和 FDDB 的 5 個評測維度上，DSFD 演算法均刷新了當時的世界紀錄，取得了 Top1 的人臉檢測結果：
WIDER FACE 評測結果
FDDB 評測結果
為了與更多同行探討 DSFD 演算法的實際應用，騰訊優圖在近日公布了開源地址：
據了解，目前騰訊優圖的人臉檢測技術已在安防、金融、社交、交通等多個應用場景落地，並在手機 QQ、微眾銀行、天天 P 圖等多個公司內外部產品上進行應用驗證。