人脸辨认的根本原理人脸辨认技巧 _小知识

人脸辨认技巧（人脸辨认的根本原理）

文章插图
现在AI发展的如火如荼，我们已逐步进入智能时期。虽然人工智能偏技巧类，学习和懂得须要必定的技巧背景和数学做支持。但拆开看，其原理、办法、思路并不庞杂，「不懂技巧」的产品经理也能懂得。
人工智能牵扯很多学科，知识点盘根错节，须要具备多学科的知识储备。从学习路径上看，比拟合适做成系列，从浅入深，从基本到运用，逐渐深刻。但无形中进步了学习门槛，下降了学习的兴致，导致很难保持。
有感于此，我想以一种轻松、摸索资源网的视角，跟大家一起探索，用简略、直白的方法来学习AI 。这样，虽然会有毛病、遗漏等，但学习难度会下降，那就在进程中完美吧，究竟「隐约的准确大于准确的毛病」。

一、人脸辨认产品我们从人脸辨认开端，逐步懂得其技巧路径的演化和原理等，今天先从最简略的原理讲起。
人脸辨认其实很早就有了，多年前就以人脸考勤的方法涌现，但由于应用后果不好，用户体验不佳，逐步被市场淘汰。
而这一波人工智能的火热，盘算才能、模型等都是其主要推进力，但更主要的是产品能够落地，能够在实际业务场景中应用。
尤其是人脸辨认，产品在辨认精度、速度、用户友爱度等多个方面都有显著晋升，用户和市场的接收度显著上升。

二、图像表现懂得人脸辨认，先要从图像表现讲起。
大家都知道，盘算机能够辨认和处置的是二进制，不管我们输入的是文本、图像、资源网声音，盘算机都是用必定长度的二进制串进行存储和处置。
我们先以黑白图片为例，看看盘算机是怎么表现的。
盘算机程序可以将黑白图片可以表现为灰度图像。在灰度图像中，一个像素应用8个比特位，从而可以表现256个灰度阶，表现规模是0-255 。其中0代表纯黑色，255代表纯白色。
一个字节可以表现一个像素，那怎么表现一张图片呢，用矩阵进行表现。
简略来说，就是表格，比如可以应用8行8列来表现一张8*8的灰度图片。
这样我们就解决了图像的表现问题，树立了图像和矩阵的等价关系。图片可以转化为矩阵，通过矩阵也可以恢复原始图片。
大家能算出来下面的矩阵表现什么吗？

文章插图
对的，一眼就看出来了数字1，看来大家都有搞AI的禀赋，加油。

三、图像辨认通过矩阵表现图像后，图像的各种处置就转化为数学问题，可以应用数学的理论和办法进行解决，而这正是盘算机所善于的。
我们输入图片，愿望盘算机能够将内容辨认出来，将成果输出。
仍以数字为例，当输入图片并用矩阵表现后，通过将灰度值转化为灰度，可以轻松辨识其所表现的内容。
但在盘算机的世界里，只有0和1 。想要通过辨识矩阵内容并将成果输出，就必需树立矩阵到成果的映射。这样，输入一张图片，经过处置和盘算后，能力输出一个数字。
很朴实的想法就是将各个数字所代表的矩阵提前寄存在盘算机内，当输入一张图片后，盘算机通过盘算，从而找到最合适的数字进行输出。
举个例子，更容易懂得一些。比如，盘算机内部已经寄存了包括数字1和7以及它们所对应的灰度矩阵。

文章插图
数字1

文章插图
数字7
当新输入一张图像后，程序会主动盘算它的矩阵与这些矩阵的类似度。类似度盘算可应用的公式很多，比如可以应用百分比，距离等。
简略起见，就应用两个矩阵对应元素之差的绝对值之和或者平方和等，盘算机进行迅速运算，找到最类似的矩阵，然后将其所代表的数字进行输出。
当输入以下内容时，经过简略盘算，可以知道输出成果为 7 。