---

←上一篇↓↑下一篇→

3.11 總結	回到目錄	4.2 One-Shot 學習

---

什么是人臉識別 (What is face recognition?)

歡迎來到第四周，即這門課卷積神經網絡課程的最后一周。到目前為止，你學了很多卷積神經網絡的知識。我這周準備向你展示一些重要的卷積神經網絡的特殊應用，我們將從人臉識別開始，之后講神經風格遷移，你將有機會在編程作業中實現這部分內容，創造自己的藝術作品。

讓我們先從人臉識別開始，我這里有一個有意思的演示。我在領導百度AI團隊的時候，其中一個小組由林元慶帶領的，做過一個人臉識別系統，這個系統非常棒，讓我們來看一下。

（以下內容為演示視頻內容）

視頻開始：

我想演示一個人臉識別系統，我現在在百度的中國總部，很多公司要求進入公司的時候要刷工卡，但是在這里我們并不需要它，使用人臉識別，看看我能做什么。當我走近的時候，它會識別我的臉，然后說歡迎我（Andrew NG），不需要工卡，我就能通過了。

讓我們看看另一種情況，在旁邊的是林元慶，IDL（百度深度學習實驗室）的主管，他領導開發了這個人臉識別系統，我把我的工卡給他，上面有我的頭像，他會試著用我的頭像照片，而不是真人來通過。

（林元慶語：我將嘗試用Andrew的工卡騙過機器，看看發生什么，系統不會識別，系統拒絕識別。現在我要用我自己的臉，（系統語音：“歡迎您”）（林元慶順利通過））

類似于這樣的人臉識別系統在中國發展很快，我希望這個技術也可以在其他的國家使用。

#視頻結束

挺厲害的吧，你剛看到的這個視頻展示了人臉識別和活體檢測，后一項技術確認你是一個活人。事實上，活體檢測可以使用監督學習來實現，去預測是不是一個真人，這個方面我就不多說了。我主要想講的是，如何構造這個系統中的人臉識別這一部分。

首先，讓我們了解一下人臉識別的一些術語。

在人臉識別的相關文獻中，人們經常提到人臉驗證（face verification）和人臉識別（face recognition）。

這是人臉驗證問題，如果你有一張輸入圖片，以及某人的ID或者是名字，這個系統要做的是，驗證輸入圖片是否是這個人。有時候也被稱作1對1問題，只需要弄明白這個人是否和他聲稱的身份相符。

而人臉識別問題比人臉驗證問題難很多（整理者注：1對多問題（ $1:K$ ）），為什么呢？假設你有一個驗證系統，準確率是99%，還可以。但是現在，假設在識別系統中， $K=100$ ，如果你把這個驗證系統應用在100個人身上，人臉識別上，你犯錯的機會就是100倍了。如果每個人犯錯的概率是1%，如果你有一個上百人的數據庫，如果你想得到一個可接受的識別誤差，你要構造一個驗證系統，其準確率為99.9%或者更高，然后才可以在100人的數據庫上運行，而保證有很大幾率不出錯。事實上，如果我們有一個100人的數據庫，正確率可能需要遠大于99%，才能得到很好的效果。

在之后的幾個視頻中，我們主要講構造一個人臉驗證，作為基本模塊，如果準確率夠高，你就可以把它用在識別系統上。

下一個視頻中，我們將開始討論如何構造人臉驗證系統，人臉驗證之所以難，原因之一在于要解決“一次學”（one-shot learning problem）問題。讓我們看下一個視頻，什么是一次學習問題。

課程板書

---

←上一篇↓↑下一篇→

3.11 總結	回到目錄	4.2 One-Shot 學習

---

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的4.1 什么是人脸识别-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。