卷积神经网络的优缺点精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的卷积神经网络的优缺点主题范文，仅供参考，欢迎阅读并收藏。

第1篇：卷积神经网络的优缺点范文

【关键词】互联网金融 人脸识别 信息安全 身份认证

一、引言

国家建设部于“十二五”期间颁布了关于开展国家智慧城市试点工作的通知，意在通过综合运用现代科学技术来营造社会建设和管理的新模式。伴随着智慧经济的建设和我国的传统金融行业对于创新变革的诉求，国内的互联网金融行业开始快速发展。人脸识别在国内互联网金融领域的应用也借助这一浪潮拉开帷幕。

二、人脸识别技术简介

进入21世纪，随着计算机技术、光学技术等技术的迅猛发展，人脸识别技术逐渐成熟，步入了应用阶段。人脸识别安防、考勤、支付等系统走进了我们的生活。

人脸识别算法蓬勃发展，尤其是基于深度学习的识别方法。深度学习利用其对大型数据集的优秀预测能力突破了之前在人脸识别过程中的精准率瓶颈。深度学习算法种类繁多，目前被广泛应用于人脸识别领域的主要是卷积神经网络。其现主要分为四个步骤。

首先是局部感知。在处理在图像处理中，把图像表示为像素的向量。只对局部的联系紧密的向量进行感知，初步降低参数；第二步是权值共享。挑选第一步中的某个局部参数提取特征，再将其作为探测器也就是卷积核，应用到图像的任意区域，对特征进行匹配，得到不同的激活值。将符合条件的激活值筛选出来；第三步是多卷积核。挑选更多的卷积核，不断重复第二步骤，学习更多特征；最后是池化。一个图像区域有用的特征极有可能在另一个区域同样适用，对不同位置的特征进行聚合统计可以简化对于大图像的描述，进一步降参。

三、互联网金融的人脸识别运用

互联网金融是借助于互联网技术、移动通信技术来实现资金融通、支付和信息中介等业务的一种新兴金融模式。毫无疑问，互联网金融正以其独特的运行方式和价值创造模式，影响着传统金融业务，逐步成为整个金融生态体系中不可忽视的一部分。

（一）互联网金融面临的风险

互联网金融行业也同传统金融行业一样，它们的核心问题都是如何预防和处理风险。目前我国的互联网金融行业面临着政策法律风险、监管风险、流动风险、市场风险、信用风险、技术风险这六大风险。

（1）信用风险。互联网金融的信用风险主要来自于对客户的真实身份的认证带来的信息不对称问题。由于国内的互联网信用业务还没有得到很完善的监管，互联网金融的虚拟性就会给对客户身份的认证带来不确定性素。例如，一些用户在P2P网贷平台进行身份信息造假骗取贷款。

（2）技术风险。互联网金融是互联网与金融的结合产物，自然避免不了对于网络信息安全的要求。传统的字符密码具有可复制性，容易被网络黑客、木马病毒所窃取，造成不必要的损失。传统的字符密码认证对互联网金融企业的网络技术安全提出了更高的要求，而我国的互联网金融企业大多还在成长阶段，无法维护庞大的信息数据库，给行业带来了很大的技术风险。

（二）人脸识别技术降低信用风险与技术风险

人脸识别技术依靠人脸独特性、难以复制性等优势可以很大程度上降低互联网金融的信用风险和技术风险。目前，国内的云从科技、Linkface等科技公司都在LFW数据库的实验环境下，取得了99.5%以上的人脸识别成功率，高于人眼识别97.52%的准确率。

在人脸识别模式下的开户过程需要用户先需要出示自己的二代身份证，系统在客户填写开户信息后继续发出指令，让客户进行基于视频流的身份认证，人脸识别系统会以此判别个人身份的真实性。同时，利用“活体检测算法”、“图像脱敏算法”以及“人脸比对算法”等算法对视频流的背景和人像的对比分析，可以避免一些用户利用录制好的视频来伪造身份信息。

识别开户成功后，系统自动上传用户信息至后台。当遇到支付等操作指令时调出信息，再次对客户进行基于视频流的身份认证来确定指令的安全性。

（三）互联网金融中的人脸识别运用

（1）招商银行“ATM刷脸取款”。我国的招商银行一直以勇于创新的先行者姿态活跃于金融领域，在手机银行和自助银行等多种电子信息化自助服务渠道中保持着领先地位。继在VTM渠道应用人脸识别技术以辅助柜员核实客户身份后，又率先推出“ATM刷脸取款”业务。首先收集客户的可信照片，再主要利用人脸识别技术并辅之以手机号码验证和密码验证来确认客户信息，误识率在万分之一以下。

这是国内银行首次将人脸识别技术应用到自助提款机上，也意味着招行“智能银行”再一次取得进展。

（2）蚂蚁金服的人脸识别体系。蚂蚁金服起步于阿里巴巴集团的支付宝，致力于推进互联网支付、消费、理财。蚂蚁金服于2015年在支付宝上推出人脸识别的功能，已在用户登录、实名认证、找回密码、商家审核、支付风险校验等多个场景中投入使用，利用人脸识别代替传统的密码输入。同年，阿里巴巴董事局主席马云在德国汉诺威消费电子、信息及通信博览会上展示了蚂蚁金服的“smiletopay”技术，用手机“刷脸支付”的方式在网上购买了一张1948年的汉诺威纪念邮票，完美展示了计算机人脸技术在支付中的应用。此项技术还在不断完善，蚂蚁金服的刷脸支付功能正式投入商用指日可待。

（四）人脸识别目前存在的问题

（1）没有统一的安全标准。人脸识别技术领域的实际应用还在起步阶段，目前还没有统一的行业标准与国家标准，主要都是技术厂家自己制定标准。然而厂家标准制定的不一致，会导致不同的安全状况与安全水平。只有通过制定统一的国家安全标准，才能解决人脸识别在技术推广过程中的障碍。

（2）识别中的“矫枉过正”。当人脸识别技术被作为加密技术投入实际应用时，我们最看重的就是它的安全性。而人脸识别技术的安全性可以用误接受率与误拒绝率两个指标来衡量。为了严格保证安全，技术厂商往往会尽量降低误接受率，但这同时会提高误拒绝率，使一些真正的用户也会被系统拒绝，“矫枉过正”，影响了用户体验。

（3）可信照片的分辨率低。目前互联网金融行业在使用人脸识别技术进行开户等操作时，用于确定客户信息的可信照片往往是居民二代身份证。而二代身份证的照片不仅分辨率低而且信息量少，这会降低人脸注册、识别的准确率。

（4）人脸的变化。随着时间的推移，用户的年龄增长，会发生胖瘦、常规的化妆、自然老化等变化。通常情况下，这些变化是在计算机的识别范围内的，但是如果出现整容、过浓的妆容、或者是佩戴眼镜与一些装饰性的饰物可能就会影响人脸识别的识别率。同时，由于双胞胎、多胞胎的人脸信息过于相像，双胞胎、多胞胎人脸信息的分辨在人脸识别技术中也是一个待攻克的难题。

四、未来发展应用趋势

（一）发展展望

（1）制定统一的行业标准。为了保障人脸识别技术在应用过程中的安全性、规范性，有关的人脸识别科技公司和互联网金融企业等应该联合国家相关机构，加速人脸识别技术系列标准和规范的起草进一步规范人脸识别的技术指标和要求，为业务的深入和推广提供基础参考。

（2）突破对源图信息提取瓶颈。计算机人脸识别技术中很关键的一环就是将可信的源图信息与后期获取图像的信息进行对比筛选，计算机才能做出精确的判断。在获取到的源图数据不充分、不理想的时，如何对信息进行有效的提取，到目前为止还没有很好的解决办法。但是，伴随着科技的高速发展，人脸识别技术的这一瓶颈在将来必定会被突破。

（3）与其他生物识别技术相结合。各种生物特征识别技术都有各自的优缺点，在具体的应用过程中，人脸识别技术可以和虹膜、静脉等其他生物特征识别技术相结合使用，降低对用户的误接受率和误拒绝率，进一步提高身份识别的整体安全性。

（二）应用展望

（1）全方位的身份查核。人脸识别身份验证技术的应用是对互联网金融业务的基础性工作的一项重要技术保障。在将来，人脸识别身份验证技术的应用应该从单纯的“登录认证”到扩展到“支付认证”，做到全方位的身份核查，提高群众服务的便捷性，同时保证业务更加安全、可靠。除此之外，人脸识别身份验证技术还可以带动其他行业的类似业务场景，从而在全社会范围内促成更广泛的工作流程改进和社会成本节约。

（2）全面的私人数据保护。在将来，用户的一切经济活动信息都可以通过人脸识别技术进行有效保护，避免敏感数据泄露，消除欺诈者利用不正当途径来窃取用户个人信息进行非法交易的可能，提升互联网金融行业客户的体验友好程度。

五、结语

对于互网金融行业来说，改革与创新、提高金融服务质量和安全防范是今后互联网金融行业发展的主要趋势，人脸识别等高科技技术投入互联网金融行业，会对整个行业的发展起到一种非常积极的作用。未来的人脸识别技术在互联网金融行业中的应用必会继续朝着远程化发展，进一步取代现在的柜台开户、字符密码认证等传统的服务流程，做到“智慧金融，智慧生活，智慧城市”。

参考文献：

[1]李子青.人脸识别结合视频监控看公安与金融市场应用[J].中国安防，2015，（8）.

[2]吕晓强. 生物识别技术再造银行客户身份认证体系[J].金融电子化，2016，（4）.

[3]廖敏飞，黄瑞吟，刘丽娟. 生物识别技术在金融行业的应用现状与前景分析[J].金融电子化，2016，（4）.