今天亞馬遜Rekognition針對人臉檢測、分析和識別功能推出了一系列更新。這些更新將為用戶帶來多項能力的改今，包括從圖像中檢測出更多人臉、執行更高精度的人臉匹配以及獲得圖像中的人臉得到更準確的年齡、性別和情感屬性。Amazon Rekognition的客戶可以從今天開始使用這些增強版功能，無需額外付費，也不需要具備任何機器學習經驗。
“人臉檢測”試圖回答這樣一個問題：這張照片中有人臉嗎？在現實世界的照片中，很多因素都會對系統是否能夠準確地檢測人臉產生影響。這些因素可能包括由頭部運動和/或相機運動引起的姿勢變化，由于前景或背景物體造成的遮擋（例如被前景中另一個人的帽子、頭發或手擋住了臉），照明變化（例如低對比度和陰影），光線太亮導致臉部變暗，低質量和低分辨率導致臉部模糊，以及相機和鏡頭本身的失真。這些問題將表現為漏檢（有人臉但檢測不出來）或誤檢（即使沒有人臉也會將某一塊圖像區域檢測為人臉）。例如，在社交媒體上，不同的姿勢、相機濾鏡、燈光和遮擋（例如照片上的圖標）都非常常見。對于金融服務行業，作為多因素認證和防欺詐工作流程的一部分，驗證客戶身份需要將高分辨率自拍（臉部圖像）與身份證件（如護照或駕駛執照）上的低分辨率、小且模糊的臉部圖像相匹配。此外，許多客戶必須從強光下拍出的照片中檢測和識別低對比度的人臉。
基于最新的更新，Amazon Rekognition現在可以將上述極具挑戰性場景的圖像的人臉檢測能力提升40％以上——在這些場景下很多圖像中的人臉都是檢測不出來的。同時，錯誤檢測率也降低了50％。這意味著社交媒體應用等客戶可以獲得更加一致且可靠的檢測能力（更少漏檢，更少誤檢），從而使他們能夠在個人資料照片自動審查等使用場景中提供更好的用戶體驗。此外，與我們之前的模型相比，人臉識別現在從大規模人臉數據集中返回正確的“最佳”匹配（最相似的面部）的能力提升了30％。這使客戶能夠在防欺詐等應用中得到更好的搜索結果。面部匹配現在在不同的光照、姿勢和外觀上也具有更一致的相似性得分，從而使客戶可以使用更高置信度閾值，避免錯誤匹配，并減少身份驗證等應用中的人工審核。與往常一樣，對于涉及公民自由或客戶情緒的使用場景，如果匹配的準確性至關重要，我們建議客戶使用最佳實踐，采用更高的置信度（至少99％），并始終進行人工審核。
現在讓我們看一些圖像，看看Amazon Rekognition如何處理在不同環境中得到的非常有挑戰性的圖像。
姿勢變化
拍照時如果相機從呈銳角的角度拍攝人的臉部（比如從臉部上方或下方拍攝的照片）、臉部側視圖或照片的主體看向遠處時，可能會遇到這個問題。這個問題通常在社交媒體的照片中、自拍照或者時裝照中頻繁出現。人臉檢測算法很難從這類照片中檢測人臉，因為在很多情況下可能只能看到不到一半的臉，或者臉部可能以比較少見的角度傾斜（比如上下顛倒）。
特殊的采光情況
如果出現低對比度、低亮度設置或極端對比度，采光條件可能使人臉識別變得很有挑戰性。 在這種情況下，人臉檢測算法可能會出現一些問題，因為在低亮度時面部特征和背景之間沒有足夠的對比度，或者，由于光線太亮，面部特征可能會被模糊化，使它們難以辨別。
模糊或遮擋
這類挑戰一般出現在以下幾類照片中：帶有藝術效果的照片（自拍或時尚照片、視頻動作截圖）中，物體被部分遮擋（比如時尚攝影中可能人臉會被彩繪或頭發遮擋），清晰度不理想的照片（身份證件中的照片）。 在這種情況下，臉部的所有特征都不是清楚可見的，因此人臉檢測會很有挑戰性。
現在，開放Amazon Rekognition支持的所有AWS區域都已經提供了這些人臉檢測和識別功能的更新。 如果要開始使用，你可以在Amazon Rekognition控制臺中嘗試最新版本并參閱文檔。
閱讀原文：Amazon Rekognition announces updates to its face detection, analysis, and recognition capabilities
CentOS分區操作詳解)
和.class的區別)
和靜態映射(map_desc))
