SeetaFace如何判断人脸识别是否准确？

对有所不同的人展开区分是很多智能系统的不可或缺能力。所谓的人脸识别技术也是为了构建此目的研发出来的，通过对人脸的光学光学来感官人、辨识人。

经过几十年的研发累积，尤其是近年来深度自学技术的兴起，人脸识别获得了突飞猛进的变革，在安防、金融、教育、社保等领域获得了更加多的应用于，也沦为计算机视觉领域尤为顺利的分支领域之一。　　然而，人脸识别并非是几乎成熟期的技术，离公众希望的全面应用于另有距离，依然必须学术界、工业界的共同努力。为此，整个人脸识别社区必须有基准（Baseline）系统，而且基准系统的水平似乎不会很大影响着该领域的发展水平。

可是令人失望的是，这个领域目前为止尚不一套还包括所有技术模块的、几乎开源的基准人脸识别系统。最新开源的SeetaFace人脸识别引擎或许能转变这个现状，该引擎代码由中科院计算所山世光研究员率领的人脸识别研究组研发。代码基于C++构建，且不依赖任何第三方的库函数，开源协议为BSD-2，可可供学术界和工业界免费用于。

　　SeetaFace人脸识别引擎还包括了搭起一套全自动人脸识别系统所需的三个核心模块，即：　　人脸检测模块SeetaFaceDetection　　面部特征点定位模块SeetaFaceAlignment　　人脸特征提取与核对模块SeetaFaceIdentification　　其中，人脸检测模块SeetaFaceDetection使用了一种融合传统人造特征与多层感知机（MLP）的级联结构，在FDDB上超过了84.4%的解任亲率（100个误检时），并可在单个i7CPU上实时处理VGA分辨率的图像。　　面部特征点定位模块SeetaFaceAlignment通过级联多个深度模型（栈式自编码网络）来重返5个关键特征点（两眼中心、鼻尖和两个嘴角）的方位，在AFLW数据库上超过state-of-the-art的精度，定位速度在单个i7CPU上多达200fps。

　　人脸识别模块SeetaFaceIdentification使用一个9层的卷积神经网络（CNN）来萃取人脸特征，在LFW数据库上超过97.。

本文来源：PG电子官方网站-www.terugnaardekust.com