缩小技术层与应用层差距
人脸识别技术经过多年的发展，已经有了很大的突破，基于深度学习的各种网络架构使得该技术在标准测试集都得到了极高的精度和速度。
包括美国、以色列、日本、德国等国家目前在人脸识别领域均有布局，美国在基础理论领域走在世界前列，日本和以色列的产品在机场、海关、小区等得到了应用。
在人脸方面，深度学习可以实现人脸检测、人脸关键点定位、身份证比对、聚类以及人脸属性、活体检测等。以人脸识别为例，在lfw的测试上，算法的1:1识别准确率已经达到99.8以上，远高于人类的97.52%。但在实际条件下，特别是复杂的监控环境下，类似光照、遮挡等严重影响实际效果，理想情况下训练出来的模型遇到了各种各样的挑战。
如何将技术和应用结合，解决实战领域的实际问题，是各个公司和研究机构共同面对的问题，需要技术和应用层的不断迭代。在实战中提升技术的性能，需要海量的数据和客户反馈，共同缩小这种差距。
当前，人脸识别技术部分行业标准已经制定，部分标准正在征求方案，包括基于人脸识别技术的人证核验设备通用技术等，深醒也在参与各类标准的制定。
未来人脸识别的发展会提升各种极端情况下的识别速度和效率，在包括模型和算法等基础领域不断提升。此外，技术和需求将紧密配合，真正落地成为产业，推动国家整体技术实力的提升，成为人工智能领域的一个优势方向。
