🔥 最高CP值｜4/6開班倒數！
AI全線上實戰學程｜全台唯一，價格極低！
👉 https://bit.ly/3jQnFl4

⚠對於資料職涯全貌不瞭解？
⚠不知如何快速上手、處理各種難題？
⚠東學西學，技術與能力卻拚不在一起？
⚠覺得非相關背景難以進入，而且沒有作品？
⚠認為自己所在產業，資料分析極有前景且必要？
⚠工作上學習有限，對於進階的知識又找不到實務上的操作？

🔥基礎思維 - 資料科學、分析、案例等概念建立
🔥程式技術 - Python手把手帶領，從資料取得到分析一次搞定
🔥產業應用 - 深度學習、影像辨識、醫學影像分析，應用層面一次滿足

✏AI深度文章+趨勢聽課：隨時隨地獲取新知
✏技術交流小聚：多方與人交流並向大神請益
80小時專業內容 ｜超過100個自我檢測｜10項專案成果

輕鬆掌握資料科學與分析
超高CP值👉 https://bit.ly/3jQnFl4

3/10最低早鳥價倒數
AI資料科學家之路 👉 https://bit.ly/3jQnFl4

繼人工智慧學校後，最專業的AI學習平台
線上培訓破萬人，輔導超過4,900學員就業
全台唯一！AI最完整全線上實戰學程

AI資料科學家 - 三階段全方位學程班
🔥基礎思維 - 資料科學、分析、案例等概念建立
🔥程式技術 - Python手把手帶領，從資料取得到分析一次搞定
🔥產業應用 - 深度學習、影像辨識、醫學影像分析，應用層面一次滿足

✏AI深度文章+趨勢聽課：隨時隨地獲取新知
✏技術交流小聚：多方與人交流並向大神請益

輕鬆掌握資料科學與分析
超高CP值 👉 https://bit.ly/3jQnFl4
#80小時專業內容
#超過100個自我檢測
#10項專案成果

#緯育TibaMe
#在人工智慧領域
👉 匯集超過35名業界知名講師，共同開設超過90門線上課程，5年來超過10萬人次在平台上一同學習，課程影片觀看次數突破45萬次，解決超過750種包含資料處理、資料分析、程式語言、技術應用、資料視覺化等各類學習痛點。

AI全線上實戰學程｜全台唯一，價格最低！
任何人都能學的資料分析
👉 https://www.tibame.com/eventpage/ai_datascientist

⚠對於資料職涯全貌不瞭解？
⚠不知如何快速上手、處理各種難題？
⚠東學西學，技術與能力卻拚不在一起？
⚠覺得非相關背景難以進入，而且沒有作品？
⚠認為自己所在產業，資料分析極有前景且必要？
⚠工作上學習有限，對於進階的知識又找不到實務上的操作？

A+AI資料科學家 - 三階段全方位學程班
一次解決你的困擾

🔥基礎思維：資料科學、分析、案例等概念建立
🔥程式技術 - Python手把手帶領，從資料取得到分析一次搞定
🔥產業應用 - 深度學習、影像辨識、醫學影像分析，應用層面一次滿足
✏AI深度文章+趨勢聽課：隨時隨地獲取新知
✏技術交流小聚：多方與人交流並向大神請益

80小時專業內容 ｜超過100個自我檢測｜10項專案成果

輕鬆掌握資料科學與分析
業界最低價👉 https://bit.ly/3a2PPpF

#猜猜多少錢
#真的會嚇到
#下次不知道什麼時候
#早鳥再優惠

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。

其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。

當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。

也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。

雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。

不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。

像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。

Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。

人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！