1. 人脸识别
现在可以看到很多产品在运用人脸识别,如手机解锁、车站身份识别认证、刷脸支付等
在人脸识别的相关文献中,人们经常提到
人脸验证(face verification)
人脸识别(face recognition)
人脸验证问题:
如果有一张输入图片,以及某人的ID或者是名字
这个系统要做的是,验证输入图片是否是这个人
有时候也被称作1对1问题
只需要弄明白这个人是否和他声称的身份相符
而人脸识别问题比人脸验证问题难很多
因为这是1对多问题(1:K)
假设有一个验证系统,准确率是99%,自我感觉还可以
但是现在,假设在识别系统中,K=100
如果把这个验证系统应用在100个人身上,人脸识别上,犯错的机会就是100倍了
如果每个人犯错的概率是1%,如果有一个上百人的数据库
如果想得到一个可接受的识别误差,要构造一个验证系统,其准确率为99.9%或者更高
然后才可以在100人的数据库上运行,而保证有很大几率不出错
事实上,如果有一个100人的数据库,正确率可能需要远大于99%,才能得到很好的效果
2. One-Shot学习
人脸识别所面临的一个挑战就是需要解决一次学习问题
这意味着在大多数人脸识别应用中:
需要通过单单一张图片或者单单一个人脸样例就能去识别这个人
而历史上,当深度学习只有一个训练样例时,它的表现并不好
看一个直观的例子,并讨论如何去解决这个问