人臉識別應用下一站 提升泛化能力是關鍵

作為人工智慧技術的重要分支，人臉識別可謂是紅透半邊天，在安防領域，更是多次協助相關部門進行緝逃、偵查、尋找走失人口等工作。當下，人臉識別技術99%的識別準確率早已不是什麼大新聞，各公司演算法間準確率的差異僅僅體現在小數點上，技術可以說已經較為成熟。

　　在此背景下，配合帶有深度學習計算能力的前後端硬體，開展前端資料的大量訓練，才能實現產品和解決方案的落地。

　 　泛化能力成為人臉識別發展的瓶頸

　　人臉識別技術長期面臨著一個問題，即演算法的泛化能力，這也是現階段應用的主要瓶頸。

　　比賽中表現良好的模型在面對實際應用中千變萬化的場景時，效能也會明顯下降，尤其是無約束人臉識別，人臉往往有很多遮擋、光線不均勻的情況，表情、畫素也不一樣，面部姿態變化巨大，且還有靜態和動態之分，演算法限制很高。

　　因此，為推動人臉識別技術落地，往往會對場景進行嚴格定義，或者將演算法定位為對指標不敏感的輔助功能。實際應用中，人證對比、人像採集等都需要設立具體的工程安裝方案。不過，儘管這一做法推動了人臉識別技術的落地速度，但會造成較高的成本，影響人工智慧演算法對傳統應用的滲透，也限制了獲取資訊的效率，不利於演算法指標進一步提升。由此看來，人臉識別演算法在實際應用過程中也有碎片化的特點。

　　 人臉識別應用碎片化需求如何解決？

　　針對人臉識別技術碎片化的應用需求，軟體的價值逐漸顯現出來。相比硬體，軟體具有高擴充套件性，尤其是在對接使用者個性化需求方面，具有短、平、快的應用優勢，客戶可以按需定製，滿足個性化需求。“軟體定義”有望成為AI安防發展的重要推手。

　　除此以外，為推動人臉識別技術應用，安防行業龍頭海康威視推出了AI開放平臺，據悉，該平臺擁有場景化的AI開放能力，只需基於少量資料，就能快速生成足以滿足需要的應用，應用上線後再疊加新的資料做增量訓練，從而實現演算法的迭代與優化。值得一提的是，AI平臺的開放可以吸引眾多開發者，進而推出更多適合碎片化需求的應用，而更多型別的應用會吸引更多的客戶，更多的客戶又會反過來促使平臺吸引更多的開發者，形成良性迴圈。人臉識別作為AI領域的重要技術，也將會隨之進一步發展。

　 　結語：目前，人臉識別技術基礎和產品化已經較為成熟，因此下一階段的命題就是如何系統化規模部署。不過，挑戰與機遇並存，人臉識別仍然面臨演算法場景侷限大的難題，能夠在多大程度上解決這一問題，從而降低部署成本、開發深度應用，關係著人臉識別產品和方案能否真正在實際場景中落地生根。

https://www.toutiao.com/i6782440986451640846/

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2674055/，如需轉載，請註明出處，否則將追究法律責任。