人脸识别是一种通过面部识别人的技术，是一种生物识别软件。它通常用于安全设置，但也有其他用途，例如在社交媒体和照片标记中。
为了让人工智能能够通过面部识别人，需要向其提供足够的训练数据，即向人工智能展示如何通过面部识别人的数据。训练数据需要准确，并且必须足够大以提供大量不同的示例。
人脸识别技术的发展
20 世纪 60 年代，大卫·马尔提 ws电话列表 出了一个三层模型来描述人脑处理视觉信息的方式。他认为，视觉系统首先接收原始图像（表示在模型的最低层），然后执行一系列操作将这些信息处理成可以理解的世界表征。然后，该表征被发送到系统的更高层进行更高级别的处理。
20 世纪 80 年代，两位名叫福岛和三宅一生的研究人员开发了一个与马尔模型类似的模型，但增加了第四层，展示了大脑如何将前三层的处理信息结合起来以形成对世界的感知。
Marr 的三层模型与 Fukushima 和 Miyake 的四层模型相似之处在于，它们都描述了视觉信息是如何被处理的；但它们的不同之处在于，Marr 的模型将这一过程描述为一系列的操作，而 Fukushima 和 Miyake 的模型将这一过程描述为前面各层处理后的信息的组合。
人脸识别技术如何借鉴马尔、福岛和三宅一生的成果
人脸识别技术一方面基于Marr的三层视觉处理模型，另一方面也基于Fukushima和Miyake的四层视觉处理模型。
- 第一层是图像采集层，以用于捕获图像的摄像机为代表。
- 第二层为图像预处理层，主要包括对图像进行处理的算法，例如边缘检测、人脸检测等。
- 第三层为特征提取层，表示从图像中提取出的特征，比如眼睛、鼻子、嘴巴等面部特征的位置。
- 第四层，人脸识别层，由将提取 因为您无法重定向活动页面 的特征与之前训练的数据进行比较的人脸识别算法表示。
为了更深入地了解这些技术如今的应用方式，请在Clickworker 的综合指南中探索排名前 19 位的面部识别技术。
为什么高质量的训练数据很重要
训练数据对于人脸识别技术的发展至关重要，但高质量的训练数据也同样重要，如果训练数据质量低下或者包含大量错误，就会对人脸识别软件的准确率产生负面影响。
提示：
可以在 clickworker 订购所需数量的高质量训练数据，用于教授人脸识别工具的算法。
图像数据集和照片数据集 – 了解有关该服务的更多信息
训练数据要求
训练数据的质量取决于所使用的人脸识别技术的类型。人脸识别技术有三种类型：
- 监督学习算法从已知数据中学习，并利用该信息预测输出。它们通常使用一组已经分类的面部图像进行训练。
- 无监督学习算法使用未知数据进行训练，通常用于发现一组数据中的模式或聚类。
- 半监督学习算法是通过已知和未知数据的组合进行训练的。
这三类人脸识别技术的训练数据必须满足不同的要求。
- 监督学习算法的训练数据应具有高质量，并且不应包含任何错误。训练数据越准确，人脸识别软件就越准确。
- 无监督学习算法的训练数据应该是高质量的，但训练数据的准确性并不像数量那么重要。无监督学习算法用于发现一组数据中的模式或聚类，因此用于训练它们的数据越多越好。
- 半监督学习算法的训练数据需 点要高质 印度手机号码 量和高数量的结合。训练数据的准确度必须足够高才能提供准确的结果，但训练数据的数量也必须足够大才能提供足够多样化的示例。