FaceNet 人臉辨識教學

偵測、識別、分析、組織和標記相片中的臉孔 Microsoft 臉部 API 使用先進的雲端臉部演算法來偵測及辨識影像中的人臉。 這些功能包括臉部偵測、臉部驗證及臉部分組，其可以依據臉部的視覺相似度，分組成多個群組。

今天從 Google Vision 調整到 Azure AI Face方案，看能不能增加辨識的準確率。 最後發現Azure已將人臉識別（Identification）、人臉驗證（Verification），以及臉部清單（Face List）的創建與管理，歸類為受限存取功能。

人臉辨識也是 Azure 電腦視覺的其中一個功能，但或許因為其特殊性，人臉辨識的功能又被分出來，獨立成另一個服務- Face。 人臉辨識的技術其實發展已久，是個成熟的技術，已經圍繞在一般人的身邊，手機解鎖、門禁管理和海關的自動通關，都是人臉辨識的應用。 人臉辨識的過程可以拆成幾個部分實現，一開始需要 server 端將需要辨識的人臉編碼，取得特徵向量，將特徵向量與人臉的身份配對存入資料庫。 而用戶端可透過攝影機取得人臉影像，將人臉轉換成特徵向量，然後與資料庫的特徵向量比對，找出最相近的特徵向量，最後帶出相

Azure AI 臉部辨識服務會提供 AI 演算法，您可以用來偵測、辨識和分析影像中的人臉。

臉部辨識也是近幾年非常紅的大數據議題之一， Microsoft 推出的 Azure Face API 是一項認知服務，可提供演算法來偵測、辨識和分析影像中的人臉。

在本篇文章中，我們學習了使用 Azure 人臉 API 進行面部識別和分析的基本步驟。 藉助 Azure 人臉 API，我們可以輕鬆地在我們的應用程式中實現強大的面部識別和分析功能。 這使我們可以應用這些技術於各種應用領域，如安全驗證、存取控制和情感分析等。