“小扎那个图片识别的雏形软件做出来之后，我看过内测报告，想要在一张照片上识别出人脸来，只有不到10的成功率。要是想进一步识别这张脸是谁，就更可怜了，准确率1都不到而且是在内测时被识别样本只有10000人的基础上。要是选项更多一些，误读率就更高了。这份测试报告，你应该在小扎的邮件里见过吧。”
李莹轻柔地跟着顾诚的节奏，渐渐有点儿弗拉明戈的意思了。嘴里说着的，却是严肃得不能再严肃的生意话题。
因为是在舞池里，双方都怕说话声音太响泄密，只能贴着耳朵说，这场景实在是很诡异。
顾诚也附耳说道：“看过，这方面我可是专业的，我估计他这套软件，至少还要半年的时间，才能把识别照片上某个区域是不是一张人脸这个判断的正确率提高到30，至于认出这张脸是谁，没两年时间想都别想。”
人脸识别技术是用机器学习解决模糊算法问题的典范，历史上febk对该项技术最早的应用场景，就是让用户在分享照片之后，一旦点击照片上的人头位置，软件就可以自动识别出这个位置是一个人头，然后形成一个方框，让用户可以往里面填写名字。
如此一来，一张有好多人合照的照片，就可以被一个个标注上合影人的名字了。
这项技术再往下发展，某些人被标注得多了，数年后就可以形成“鼠标点到照片上的某个头像上，自动跳出这个人是谁”的功能。
再往后，则是人们常见的“智能手机拍照时自动识别哪里有人脸、以便自动对焦”乃至支付宝的“刷脸识别”。
那都是第二代、第三代人脸识别技术了，比如deepid，起码再有七八年的技术积累才可能实现。
初代的人脸识别技术，在平行时空的华夏sns社区领域也有过应用人人网的个人空间里，照片也都是可以对着人脸写名字的。
但那个时空的人人网技术不太扎实，在网站衰落之前也没做到“机器看多了某张脸之后，下次另一张照片上再标注这个人时就举一反三自动标示”这种程
本章未完，请点击"下一页"继续阅读！ 第1页 / 共5页