银行开户刷脸分数(银行开户需要刷脸吗)

关于人脸识别各种碎片式的报道，也层出不穷，但是鲜有文章能系统性的，从应用的角度出发来深入讲解人脸识别。

基础层算法，相当于人脸的预处理。一张人脸，首先要经过人脸检测、特征关键点处理，质量模型过滤之后，才能到应用层算法做处理，并应用到实际场景中。

2.1 你是谁？无介质证明身份

2.3 不断进取，跨越感知智能

• 视线估计

和人脸特征关键点比较像，检测完人脸之后，再检测人眼以及眼球，并锁定眼球中心等关键点位置，根据坐标来锁定视线方向。主要应用于课堂上，评估学生注意力；AR VR等新型硬件交互，通过视线方向，自动切换视频中的位置等；广告投放，评估行人对广告的注意力；目前而言，市场体系还是比较小，未得到大规模应用

如图，随机噪声就是随机生成的一些数，也就是gan生成图像的源头。

生成器根据一串随机数生成一个假图像，并用这些假图去欺骗判别器

而判别器通过真图和假图的数据(相当于天然的label)，进行一个二分类神经网络训练，并判别输入的是真图还是假图，给出一个分值。

举个例子，真图是一系列的人脸照。起初，生成器生成的的照片，肯定是乱七八糟的，但是判别器会去判断打分，告诉生成器，你生成的不是真图(人脸照)，于是生成器根据深度学习，反向传播等，不断去修改自己的图片，然后，生成的图片会越来越趋近于真实人脸，直至动态平衡。

GAN受到关注，很多原因，比如：

1. 本身是无监督的。目前人工智能的绝大部分能够商业应用算法都是监督算法，所谓监督算法，就是需要海量的样本，并进行人工标注，人为去告诉深度学习网络是是否正确，并传播训练，所以行业也有“有多少人工，就有多少智能”的调侃。

2. 让AI具备想象力，比如将模糊图变清晰(去雨、去雾、去抖动、去马赛克等)，能脑补情节 很多paper都在研究gan的发展前景。

03 写在最后

任何技术，也都遵循着从技术发展—>技术成熟—>商业落地的发展规律

技术的池子不断创新，同时商业也从技术池中，探索合适的技术，改造世界；

人脸识别作为一项复合性技术，既拥有现在，同时也在不断开拓未来。虽然困难重重，但前景令人心动。