劳荣枝二十年后被抓，容貌和20年前变化很大，警方是怎么判定她是劳荣枝的？ 第1页

在大家的强烈要求下，我做一些调整。
我不愿意以最大的恶意去揣测这个世界，我一直非常愿意本着“人性本善”的姿态与这个世界接触，所以，大家善意的提醒我非常感谢，也希望本着这份善良，大家不要转载和扩散照片。

直接看图说话。

这是我女儿在谷歌相册里按“人物”检索出来的数据。

左边是她3个月时的照片。右边是她长大后的照片。

如果让你识别，你能看出来她们是同一个人吗？反正谷歌相册认出来了。

而在我准备写这个回答，打开谷歌相册的时候，它跳出来了这么一个对话窗口：

这是我妹妹，左边是9岁的时候，右边是今年的时候（请原谅竟然是这么一张刚起床脸都没洗的照片）。请你猜一下她们之间间隔的时间是多久？

如果不告诉你他们是同一个人，你会相信吗？

反正谷歌相信了。

拿我来说：

左边是我大概7、8岁时。右边是现在的我。

猜猜我今年多少岁，像吗？

像不像不好说，反正谷歌又猜对了。

人一般成年后，除非遭遇意外，否则相貌变化不会太大了。而我今天拿出来的对比，是幼儿和儿童、儿童和…中年人的对比（T_T），都全中了。

请看一眼谷歌相册的丧心病狂，这种抹了一脸奶油的它都要凑一脚：

有时候谷歌遇到两张差别“挺大”的照片时，比如侧脸、光线以及类似上面这种有覆盖物遮挡的，它就会询问你是不是同一个人。通过机器学习配合人类确认，谷歌的识别系统就是通过这种大数据不断地完善细化用户人脸资料，通过学习，它的识别率就会越来越高了。

经过我女儿1万多张照片的学习，现在我女儿的照片几乎不会再收到任何询问了，识别率已经达到恐怖的100%。

前段时间，谷歌相册系统自动地为我推送了一段“宝贝长得真快”的视频，它智能地将女儿不同成长时期的照片按成长顺序展示了出来！

请注意，谷歌相册还只是一款民用级的商业产品而已。

PS.亲测下来，谷歌的最强大，识别率最高，其次苹果，微软的垫底。

在以深度学习为基础的人脸识别技术上，要做到匹配不同年龄的同一个人，方法很简单， 也很粗暴，那就是在“喂数据”的时候，刻意的选择一个人的不同维度，包括：

1. 角度
2. 灯光
3. 发型
4. 年龄
5. …

例如，就年龄来说，在“造”数据的时候，会出现下面的“对子”，并告诉神经网络，他就是一个人。

这样的数据喂的多了，神经网络就逐渐“学会”识别不同年龄的同一个人。至于深层的原理，造数据的人不明白，训练后的神经网络也不明白，总之就是：

“别问为什么，问了也不知道！”

从技术上来说，当一张人脸图像流过神经网络的时候，会进行特征点（template）提取，而所谓的特征点在数学上就是一个高维坐标，例如：

(x,y,z,…)

其中，每一个象限都表示一个特征向量。而两个人脸是否相似，最终决定于他们在高维空间中的距离，越接近则越相似。

而在神经网路的训练过程中，就是通过“喂”大量的数据，使年龄虽变化，面容差异（表面上）很大的同一个人提取出的特征点，在高维空间上尽量接近。

那么，假设一个神经网路对应的特征点只两个象限（x,y），上面3个人在空间中的分布可能如下：

在这些特征向量中，有些可以用生活化的语言描述（例如眼间距），而有些则无法描述，这也正是神经网络难以理解的原因。

而人的面容随着年龄的变化，从我们肉眼来看，可能变化巨大，但从神经网络提取的特征点来说，则变化很小。

可以说，一个足够聪明的人脸识别神经网络，在提取特征点的时候，最重要的就是忽略掉那些不稳定的特征，例如肤色、头发、张嘴与否、闭眼与否。

那么，对劳荣枝来说，虽然时间过去了20年，其人在我们肉眼看来，面相变化了不少，例如发型、胖瘦、皮肤的光泽。但是，在神经网络的世界中，这些被普通人在乎的东西，反而都会被冷冰冰的忽略。

而正是这种“冰冷”，才使计算机能够跨越岁月的变化，精确的识别出某个人。

其实，我们对神经网络了解之少，正如我们对自己的认识一样，如此熟悉，又如此陌生。