過去十年內，隨著我們在人工智能領域取得長足進步，我們能夠為嵌入式系統(tǒng)增加一些先進功能，例如人臉識別。雖然人臉識別能夠帶來諸多好處，但人們有時仍然認為它的使用存在問題，甚至充滿了爭議。事實究竟如何？在本文中，我們將澄清一些對人臉識別的誤解。
1） 人臉識別的成本非常昂貴
人們會覺得要讓計算機能夠識別人臉，解決方案必須采用高端硬件。畢竟，自21世紀前十年中期以來，深度學習算法在圖像分類方面的突破都利用了圖形處理單元（GPU）的強大處理能力，這些單元通常在緊耦合集群中使用。但對于嵌入式系統(tǒng)（例如家庭安保和門禁控制產品）的人臉識別應用開發(fā)人員而言，并不需要如此復雜的機器學習流程。設計高效率的算法，側重于檢測人臉、將人臉與已注冊的圖像進行匹配，所需的處理能力將遠低于研究級別的算力。
2） 人臉識別非常困難
機器學習的一大關鍵難點是將設計流程與應用相匹配，以便能夠在訓練時產生有用的結果。但在人臉學習等應用中，不需要從頭開始構建這些結構。我們可以使用基于經過驗證的機器學習過程構建的平臺，它們不僅能快速提供高性能，而且提供一定程度的定制能力，滿足不同目標市場的需要。
3） 人臉識別需要高性能處理
很多人看到，在云計算環(huán)境中，我們將高性能硬件用于機器學習，于是他們想當然地假定機器學習都是重量級進程。但是，這些系統(tǒng)需要能夠適應很多不同應用，而且它們可以充分利用支持所有深度學習架構的開源工具。因而，即便對于推理應用，當使用網絡來分析實際數(shù)據時，模型具有高度的數(shù)據和計算冗余。 嵌入式解決方案可以顯著減少這些開銷，因而能夠在32位MCU上運行復雜的人臉識別算法。
4） 人臉識別不太安全
人臉識別在嵌入式系統(tǒng)中的一大重要應用是門禁控制，如果有人手持自拍照靠近攝像頭企圖蒙混過關，需要確保門鎖不會被打開，也無法越過報警系統(tǒng)。正因為如此，采用機器學習技術的集成式視覺平臺非常重要。這些技術能夠對圖像執(zhí)行檢查，確保將可用數(shù)據饋送到機器學習算法。靈活確保管道可以處理可見光數(shù)據以及更多內容。在這種情況下，使用紅外傳感器或圖像傳感器可以幫助系統(tǒng)能夠辨別真?zhèn)巍?/p>
5） 人臉識別侵犯隱私
公眾熟悉的眾多應用需要將原始數(shù)據上傳至云服務器，然后在云服務器上處理數(shù)據。這是很多消費者擔憂的問題，他們不希望自己在住宅及周邊區(qū)域的活動在互聯(lián)網上傳播，甚至可能在服務器遭受惡意攻擊后被披露。有些平臺可在本地執(zhí)行所有圖像處理和人臉識別功能，例如恩智浦基于MCU的EdgeReady解決方案。數(shù)據自始至終不會離開平臺，從而確保最終產品可以最大程度地保護用戶隱私。
12下一頁>（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
