人脸识别推荐专栏一：九步实现深度网络人脸识别
【炼丹升级系列】专注于人工智能与深度学习的小编应粉丝号召开通炼丹升级系列专栏，欢迎大家关注订阅小编，让知识分享于你我他之间，驰骋于人工智能领域！专栏主要分为四个栏目：
- 开源代码推荐专栏：囊括一些好的工具以及开源代码；
- 深度学习知识专栏：包含计算机视觉、自然语言处理等；
- Paper Reading专栏：介绍学术界最新的研究成果；
- 互联网秋招面试专栏：给出人工智能方面最常见的面试题。
本期为大家推荐人脸识别的教程《Cutting-Edge Face Recognition is Complicated. These Spreadsheets Make it Easier.》：
九步用Excel实现深度网络人脸识别
输入：计算机看到的是什么
输入的图像其实就是成百上千个数字组成的，在下面的28×28图像中，每个像素用3行表示（1个红色，1个像素）。
蓝色，1绿色，其值为0—255。
特征提取
针对一张进行特征提取的过程，类似使用放大镜仔细检查1张图像，并发现该图像的重要特征或“线索”，如简单的线条和形状，当特征堆叠在一起的时候，并开始看到像眼睛或鼻子的面部特征。
卷积池化等计算过程
关于该部分的详细描述，请参考小编主页中的文章，有针对卷积、池化、全连接等的详细解读。
卷积
Flatten
相似性度量：
简单的说就是，计算距离。在你进行识别的最后一步时，需要确认两个人是不是一个人，这是就要计算两个人脸图像的各个像素点之间的差值的总和。
总得来说人脸识别问题宏观上分为两类：1. 人脸验证（又叫人脸比对）2. 人脸识别。
人脸验证做的是 1 比 1 的比对，即判断两张图片里的人是否为同一人。最常见的应用场景便是人脸解锁，终端设备（如手机）只需将用户事先注册的照片与临场采集的照片做对比，判断是否为同一人，即可完成身份验证。
人脸识别做的是 1 比 N 的比对，即判断系统当前见到的人，为事先见过的众多人中的哪一个。比如疑犯追踪，小区门禁，会场签到，以及新零售概念里的客户识别。
那么你熟悉哪些比较成熟的人脸识别产品呢？