影响人脸识别的一些因素

目前，在学术界，人脸识别已经取得了令人瞩目的成绩，然而，想要把人脸识别真正用到实际场景中依然存在一些难点，下面列出一些影响人脸识别的因素：

数据收集、数据清洗、数据分布不均衡。首先，收集上百万甚至上千万的数据本身就是一件比较困难的事，其次需要对数据进行清洗。如果人工进行清洗困难非常大，因此都是基于现有的人脸识别算法进行清洗。但清洗的数据一定是干净的吗？再就是，收集的数据分布不均衡，有些人有几百张，但有的人仅仅只有几张到十几张。

• domain问题。训练数据和真实测试的数据存在较大差异，比如训练图像都是RGB图像，而测试图像是红外图像。监控、手机拍照、证件照、黑白等等。

• loss设计。目前学术界比较好的loss都是基于softmax进行改进，对W和F之间的角度进行限制。

• 超大规模模型训练。目前，从学术界人脸识别的论文可以看出，效果比较好的人脸模型依然很大。

• 模型压缩。对模型进行剪纸、蒸馏、把权重变成uint8等

• 人脸检测/人脸对齐的准确性。人脸预处理对人脸识别影响很大。

• 视频流中人脸跟踪的稳定性，人脸抓拍的质量。

• 视频人脸多帧融合。

以上内容借鉴于格灵深瞳张德兵老师对人脸识别的讲解，加上了自己的一点理解。