[人脸识别]什么叫One-shot learning

人脸识别技术现在越来越成熟，比如常见的应用场景：考勤、门禁、火车站认证、机场认证等，那么人脸识别的技术原理是什么呢？现在开始我用大白话的方式记录我学习的过程。

人脸识别系统涉及两种技术：

1. 活体识别：识别读入的信息是活的人脸，而不是图片
2. 人脸识别：即读取人脸信息，经过计算和对比，得到这人脸信息是否合法

 

今天主要讲人脸识别的流程，假如我的数据库中有3张明星图片，现在我通过输入另外一张图片（杨幂），要求系统识别出来是否在系统中。

通常我们想到的就是，把所有的图片数据作为一个训练数据集，训练出一个模型，然后通过这个模型预测新输入的图片，如通过图片训练数据集，经过CNN和sofmax后等到人员分类。

 

 

如上面的例子中把娱乐圈的所有明星图片收集起来进行训练，得到一个模型，然后识别输入的新图片是否是明星。

   这个方法中当娱乐圈新增一个明星时，模型需要重新计算，这个计算量是很大的。实际中模型不会经常计算，一般这有大量新图片加入才会重新计算，所以模型训练的结果通常不是一个分类，而是一个函数；函数是相对稳定的，有新的图片（即明星）时，只要把新图片添加到数据库中，有新图片需要识别时，用训练的函数对需要识别的图片和数据库的图片进行对比，即可得到结果，即：

F(image1,image2)=true|false.

我们通常把这中训练和识别的过程称之为-One-shot learning。