演算法還原臉

⑴ 機器學習演算法進行照片人臉識別的過程

1.首先：查看一張照片並找出上面所有的臉
2.將注意力放在每一張臉上面，即使這張臉被轉到奇怪的方向或者是光線不好的情況下也依舊是同一個人。
3. 從這張臉上挑出一些特徵用於和其他人區分來，比如像眼睛有多大，臉有多長等。
4.最後，將這張臉的特徵和其他其他臉作比較，以最後確定這個人的名字。

⑵ 哪一種技術可以讓打碼文字被還原

12月16日訊，據中國經營報消息，據媒體報道，一個名為Depix的項目引發熱議。Depix能夠解碼被打上馬賽克的文字，但只適用於使用線性方框濾波器創建的像素化圖像。

除了Depix，谷歌的超強像素遞歸方案、杜克大學的AI演算法PULSE，也能將面目模糊的人像變得清晰可辨。這也引起了用戶對於個人信息安全的擔憂，特別是人臉識別技術的應用讓用戶感到不安，打上馬賽克的照片在新技術的面前可能也不再安全。

因此，在這個科技高速發展的現在，保護個人數據顯得尤為重要。

(2)演算法還原臉擴展閱讀：

AI 還原『人臉圖像』

今年 6 月中旬，杜克大學推出 AI 演算法—PULSE，可以將低解析度的人臉圖像放大 64 倍，即使是打了馬賽克，面部的毛孔、皺紋，頭發也都能變得清晰可見。

不過，被還原的人臉是一全新的虛擬面孔，並不是真實存在的。其中眼睛、鼻子、嘴巴等五官是 AI 在原始圖像的基礎上，自行想像出的結果。

因此，這項 AI 技術不能用於身份識別。比如監控攝像頭拍攝的失焦、無法辨別的圖片，不能通過 PULSE 還原成真實存在的人像。不過，它在醫學、顯微鏡、天文學，以及衛星圖像等領域有著廣泛的應用場景。

在技術方面，不同其他超解析度演算法，PULSE 不是遍歷 LR（Low Resolution）圖像來慢慢添加細節，而是發現與 HR 相對應的 LR，通過 「縮減損失（Downscale）」的方式得到 SR（Super Resolution)圖像。

其次，PULSE 使用了生成對抗網路（GAN）來進行模型訓練。GAN 包括一個生成器（Generator）和一個鑒別器（Discriminator），在同一組照片訓練中，二者通過相互博弈的方式檢驗輸出是否足夠逼真。

最後，無論是利用 AI 還原字元密碼、還是人臉圖像，其初心都是科技向善。但這些 AI 技術不可避免地被有些人用於不良或非法用途。