㈠ 用图片识别搜索引擎（如百度识图、腾讯优图）识别个人照片，会不会泄露个人隐私也就是说图片会不会上传
会在一定范围内泄露个人隐私。图片也会上传。
原因：图片识别的基本原理是"感知哈希算法"（Perceptual hash algorithm），它需要先抓取你的图片信息，然后根据图片信息生成一个独一无二的字符串，然后再去匹配类似接近的字符串。在抓取和匹配的过程中，你的个人信息其实已经上传。
(1)腾讯优图有什么技术扩展阅读
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域
图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。图像识别软件国外代表的有康耐视等，国内代表的有图智能、海深科技等。另外在地理学中指将遥感图像进行分类的技术。
㈡ 对话腾讯优图实验室：我们用AI探星不是为了短期价值
地球自转一圈需要24小时，那么你知道脉冲星（不断发出脉冲信号的中子星）自转一周需要多久吗？
答案是：按秒计算。
即便是目前发现转速“最慢”的脉冲星（编号J0250+5854），它自转一周可能也只需要23秒。而转速快的脉冲星，它可能在你一眨眼的功夫就已经偷偷跑了几十个转了。
因而，我们人类用肉眼是很难直观感受到脉冲星的频率。约定俗成的手段是，利用射电天文望远镜对脉冲星发出的射电信号特征进行提取，然后将这部分特征通过二维空间的方式表达出来。科学家通过对这些数据进行相应的追踪观测，才能够发现脉冲星的痕迹。
但这一切带来的工作量都太大了。
2021世界人工智能大会期间，马化腾宣布了腾讯与国家天文台的合作，双方合作的项目，主要是借助腾讯云的计算、存储能力与腾讯优图实验室AI算法的能力，为中国天眼FAST寻找脉冲星提速。
一家是互联网公司里的实验室，一家是从事基础科研的天文台，如何开启探星业务？
找星星的人
中国科学院国家天文台研究院、FAST首席科学家李菂向雷锋网透露， 双方合作期间已经被验证的新脉冲星已经有5颗了。
让人兴奋的数字。
实际上，这场兴奋最初源于1967年和1993年的两次脉冲星观测发现，其意义引发了全世界天文学家对脉冲星 探索 的强烈热情。
而在中国天眼落成之前，中国的望远镜和中国工作的科学家从来没有发现过新的脉冲星。
2016年9月，全球最大的500米单口径球面射电望远镜FAST落成，也就是我们如今常说的“中国天眼”。
过去几年，仅中国天眼FAST一家就已经观测到近350颗脉冲星，占全球已发现脉冲星总数（近3000颗）的十分之一。
可以说，中国科学家在利用天眼作为天体设备搜寻脉冲星方面，已经具备一定的领先性和成熟经验。
而这一领先性有望被再度提升。
2021年，腾讯优图实验室主动找到李菂老师团队，希望能利用腾讯自身在AI算法、计算资源调度等方面的优势，为航天探星做出一些努力。
经过前期的一系列交流和 探索 后，双方很快就在春节后正式确立了项目：即利用 AI 帮助中国天眼 FAST 处理每天接收到的庞大数据量，并通过视觉 AI 分析找到脉冲星线索。
李菂老师告诉雷锋网：
复杂的图像数据
优图实验室在这个过程中做的，其实就是将交给科研工作者判断的特征图，交给机器来处理判断。当然这部分特征图也是经过处理后的适合计算机视觉领域处理的图像数据。
腾讯优图实验室副总经理黄飞跃向雷锋网指出:
这个过程就好比是粗筛和预处理，利用AI的方式解决掉（如针对缺少标注数据问题，采用了小样本学习、迁移学习方法），然后留下的少部分样本，再经过人工再次比对确认。从整个流程的效率和识别的准确率上都有比较高的提升。
从结果来看，FAST一周产生的数据，大约相当于3000 万张信号图。如果以人工肉眼按照 1 张/秒速度，在不吃不喝不休息的条件下，需要用一年的时间。如果通过 AI 处理，只需要 3 天时间就可以处理 FAST 的 1 个月数据，极大的节省了人工时间成本。
从磨合到共同促进
在与优图实验室合作之前，并不代表天眼FAST没有尝试过与机器学习等交叉学科的探究。
例如，FAST团队就已经普遍在尝试使用AI技术，FAST团队中的一位研究员，在2014年就已经利用深度学习模型找到了脉冲星。但问题就在于团队一般只能获得到一些公共的工具，他们缺乏的正是具备底层开发的专业研发人员和能力。
而与之磨合的优图实验室其实也不乏有天文爱好者，甚至有研究员此前曾针对天文信号分析做过研究。再后来，团队愈加意识到计算机视觉等AI技术对天文台探星工作的可能性。
腾讯优图实验室定位于应用与研究两步走：一是在计算机视觉技术的产业落地；二是有更多科研性的 探索 。出于这样的初衷，实验室内部会不定期挖掘、 探索 新的方向。
或许，正是因为这样的机缘为双方接下来的合作做了良好铺垫。
实验室也要理解用户
此次大会，我们明显还看到一个信号：优图实验室在AI的规模化方面开始形成自己的节奏。
过去很长一段时间里，互联网大厂的AI实验室更强调对前沿技术的 探索 ，单纯拼科研成果，而不是经济效益。
大会现场，腾讯云副总裁、腾讯优图实验室总经理吴运声宣布推出TI ONE、TI Matrix、TI DataTruth三大AI底层平台，包括算法开发、模型训练、数据标注和数据处理等一系列开发能力。目前腾讯云已经开放超过300项人工智能的能力，超过50个人工智能解决方案。
从列举的一些案例中，不难发现：从过去的消费互联网领域，到如今工业、金融、传媒等产业互联网领域，都已经有了腾讯优图落地的身影。
在吴运声看来，过去几年腾讯优图在落地产业的改造上更像是“打了一些钉子，这是必要的，但也都是单点，想要形成规模化还是有一定难度的。”
这说明：实验室更加从用户视角开始理解问题。
在会后的媒体对话中，吴运声提到，
当科研与应用不再冲突
与之相呼应的是，与上述天眼FAST项目的合作，其实是腾讯 科技 向善的一个标杆案例。
这与我们所在乎的AI助力行业究竟是不是一种矛盾？
其实，观察腾讯各大 科技 实验室近段时间的表现，你会发现：它们开始主动出击，频繁与云业务等各部门联动起来，作为整体解决方案打包出去的同时，也会为了落地要行业、要场景，为了规模化要公有云能力的支撑。
仰望星空，但同时也要脚踏实地。实打实地看到些效果、成果，才是激励这群科研工作者的最强动力。
㈢ 学界 | 曾刷新两项世界纪录，腾讯优图人脸检测算法 DSFD 正式开源
AI 科技 评论按 ：近年来，卷积神经网络在人脸检测中取得了很大的成功，然而这些方法在处理人脸中多变的尺度，姿态，遮挡，表情，光照等问题时依然比较困难。为此，腾讯优图推出名为 DSFD （中文名为双分支人脸检测器）的全新算法，该算法在着名人脸检测数据集上取得喜人结果，如今腾讯优图决定将之进行开源。
腾讯优图的研究员们发现，虽然之前的人脸检测算法大都采用深度学习模型，并在特征学习的过程中也有采用特征金字塔网络（Feature Pyramid Network），但在面对遮挡、暗光、大姿态、小脸等复杂场景时，仍容易出现误检或漏检的情况。因此，在 FPN 基础上，腾讯优图团队采用了 3 种不同级联方式的空洞卷积（Dilated Convolution），设计了特征增强模块 FEM，充分学习到了不同感受野下的人脸特征。
本文提出了一种新的方法，分别处理了人脸检测方向的三个关键点，包括更好的特征学习，渐进式的损失函数设计以及基于锚点分配的数据扩充：
DSFD 算法
该算法已被计算机视觉顶级会议CVPR 2019接收，原文《DSFD: Dual Shot Face Detector》（https://arxiv.org/abs/1810.10220v2）由南京理工大学计算机科学与工程学院 PCALab 与腾讯优图实验室合作完成。
在两个着名的人脸检测数据集 WIDER FACE 和 FDDB 的 5 个评测维度上，DSFD 算法均刷新了当时的世界纪录，取得了 Top1 的人脸检测结果：
WIDER FACE 评测结果
FDDB 评测结果
为了与更多同行探讨 DSFD 算法的实际应用，腾讯优图在近日公布了开源地址：
据了解，目前腾讯优图的人脸检测技术已在安防、金融、社交、交通等多个应用场景落地，并在手机 QQ、微众银行、天天 P 图等多个公司内外部产品上进行应用验证。