劳荣枝潜逃 23 年落网,多亏了它!

劳荣枝潜逃 23 年落网,多亏了它!
2019年12月08日 14:00 CSDN

一个女人,背着7宗命案,潜逃国内23年。自以为很侥幸,然而天网恢恢,疏而不漏。一颗摄像头,最终还是“抓”到杀人犯劳荣枝。

被抓时还略带微笑?哼!等待你的就是Game over。

据人民日报报道,12月5日,福建厦门警方已经将其移交江西南昌警方。江西警方当日将劳荣枝押解回南昌。

劳荣枝潜逃期间,多是夜间在酒吧、KTV工作,临被抓前,曾到朋友的手表专柜,帮忙照看生意。

而她正是在商场看生意时,被警方一举抓获。嗯,这个朋友,真是个为民除害的好朋友。

被抓前的过程是酱婶儿的,据央视新闻,11月28日,厦门市思明公安分局刑侦大队,通过大数据信息研判发现,一名疑似命案逃犯劳某枝的女子,出现在厦门某商场一带。

随后,警方通过DNA数据对比,确定她就是命案逃犯。

这已经不是警方第一次,通过人脸识别大数据+DNA数据比对来抓坏人了。

“北大弑母案”的凶手吴谢宇,也是在重庆江北机场送人时,被摄像头捕获人脸,警方根据大数据对比,确认是吴本人,最终吴谢宇落网。

此外,截止目前,警方还从张学友演唱会上,抓了不少逃犯。

2018年张学友演唱会苏州站,22名在逃人员落网。这其中,也涉及到人工智能和大数据技术。

当时,苏州公安官微,还特意就此发微博

而劳荣枝落网,也是“云剑”行动的超大硕果。

“云剑”行动是指,以互联网云服务、云平台为利剑去抓捕疑犯。

这项行动“以科技信息化手段为支撑,突出打击重点,全面创新打法,建立长效机制”。

为什么过了23年,大数据还能认出来是她?

事实上,逃亡期间,劳荣枝还曾整容,但是人类的颅骨、瞳距、虹膜却不会变化。

所以,以深度学习为基础的人脸识别技术,才能认出来她就是逃犯。

“笑问客从何处来”,深度学习有答案

所谓深度学习,其实指的就是训练神经网络的过程。

神经网络,就像你的大脑一样有记忆。

举个例子,你给一个神经网络,看过你家猫在睡觉、吃猫粮、静蹲和跳跃时的不同照片,那么神经网络就会记住这只猫呈现在照片中的所有特征。

这只猫也许以后会变胖、毛发也会减少,但是神经网络已经牢牢记住这只猫的不变的特征。

用术语来说,就是“当一张图像流过神经网络的时候,会进行特征点提取,而所谓的特征点,在数学上就是一个高维坐标”。

深度学习的诞生和优势

早在上世纪八九十年代,就已经有深度学习的存在,但是当时可分析的数据量太小,所以深度学习并没有引起注意。

2006年, 深度学习教父杰弗里·希尔顿(Geofrey Hinton )提出快速计算“受限玻耳兹曼机”网络权值及偏差的CD-K算法,这直接导致DBN等深度网络的诞生。

它的优势在于,第一,深度学习拥有持久学习力,数据规模变大,它的性能会跟着变强;第二,深度学习可以直接从数据中提取特征,可谓省时省力。

深度学习在国内外的应用

在国内,阿里巴巴科大讯飞百度和中科院自动化所等公司或研究单位,都在研究基于深度学习的语音识别或人脸识别。

比如,2019年3月,马老师就曾在德国汉诺威IT展览会上,向德国总理默克尔展示支付宝的刷脸支付。

几个月后,蚂蚁金服高级专家张洁,曾在采访中表示,“支付宝人脸识别深度学习采用的是x60人脸区域(Patch)的多层卷积神经网络。多层卷积神经网络有三个核心,局部感知 、全值共享、时间或空间亚采样,这三种思想的结合保证了在一定程度上获得位移、尺度和形变不变性。”

此外,科大讯飞的语音识别技术、微信语音识别技术,都一定程度上使用到深度学习。

也就是说,警察蜀黍用深度学习来抓坏蛋,以后不再会是新鲜事,劳荣枝这样的逃犯,一定会快快地落网。

有的坏人作恶,并不觉得是作恶,甚至连丝毫悔恨都没有!

23年间,劳荣枝舞照跳、酒照喝、妆照化,没事儿人的天天发朋友圈,却忘了倒在自己手下的7条人命,对待这样的人,唯有快速正法才能彰显正义。科技助力法治进步,走你!

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部