人脸识别系统

深度学习是机器学习中新兴且重要的分支之一。深度学习是指通过在多层神经网络中使用各种机器学习算法来解决图像与文本等各类问题的算法集合。深度学习从大类上可归类为神经网络，但在具体实现上有诸多变化。深度学习的核心是特征学习，旨在通过分层网络获取层次化信息，从而解决此前需人工设计特征的重要问题。深度学习是一个包含若干重要算法的框架。针对不同应用（图像、语音、文本），需使用不同网络模型以取得更好效果。随着深度学习的发展与深度卷积神经网络的引入，人脸识别的精度与速度均取得重大进展。然而如前所述，不同网络与模型的结果差异很大。本文通过融合与比较多个模型来提取人脸特征，进而构建深度神经网络对组合特征进行训练与构造，从而结合多模型优势以提升识别精度。在获得高精度模型后，我们构建了产品模型。本文比较了纯客户端模型与服务器-客户端模型，分析了两种模型的优劣，并分析了服务器-客户端模型所需的各类商业产品。