到底出了什么问题？是“无法满足”职位要求？

人脸识别是计算机视觉和生物特征识别领域的核心研究课题，在学术研究和商业应用价值上都具有广阔的前景。在算法层面，随着深度学习在人脸识别应用的深入，人脸识别技术取得了突破性的进展，识别率已高达99%以上。

最新研究成果表明，基于深度学习算法得到的人脸特征表达是中度稀疏的、对人脸身份和人脸属性有很强的选择性、对局部遮挡具有良好的鲁棒性，而这些都是手工特征表达所不具备的重要特性。

在应用层面，人脸识别是当下人工智能落地最广泛的技术之一，被广泛应用于金融、安防反恐、教育、社交娱乐、设备、门禁/考勤、交通、智能商业等领域。

2010-2018年，我国人脸识别行业市场规模年均复合增长率达30.7%。2018年，我国人脸识别行业市场规模为25.1亿元，预计到2024年市场规模将突破100亿元。中国人脸识别市场规模概况如下表（仅供参考）。

人脸识别市场规模图，来源于网络

伴随着市场规模的扩大，更多的企业加入到人脸识别领域中。为了能够快速落地，快速抢占市场，企业也提高了对人才能力的要求，与此同时，人脸识别工程师的薪资也在持续攀升，全国平均月薪已高达21.7K（数据来源：职友集）。

面对良好的市场环境与高额薪资，越来越多的伙伴，想要从事或转行到人脸识别领域，经过一段时间的刻苦学习，“掌握”了人脸识别，但最终却无法拿到自己心仪的offer，或者是在工作中无法如期完成项目，更甚至完不成项目！

到底出了什么问题？是“无法满足”职位要求？是无法在工作中展示自己的“实力”？还是我们的实力还不够？为了帮助分析现在面临的问题，我们总结了以下三点：

·基础功底不扎实！

“基础不牢，地动山摇”。在最初的入门学习中，依靠在论坛、微信公众号等知识分享平台进行碎片化的学习与探索，并没有系统完善的资料进行学习与研究，导致人脸识别基础理论体系不健全，对于基础的模型框架没有全面的认识与理解……

·算法理解不透彻！

算法是人脸识别落地的核心，没有透彻理解人脸识别算法的核心思想，对算法的局限性没有明确的认知，无法判断算法的适用场景。这便是我们在人脸识别践行道路上的“拦路虎”。..。..

·无法推动算法落地！

在实际项目中，更是困难重重，框架应该怎么搭建？参数应该怎么调整？算法应该怎么改进？一片茫然……

因此，针对小伙伴们遇到的问题，深蓝学院邀请了科研与实际工程均具备丰富经验的专家—王晓波博士，共同制作了这门『基于深度学习的人脸识别』课程。

本门课程讲解了经典的人脸识别算法和近期算法上的研究热点，并介绍实际的应用场景。课程期间，我们会指导大家利用课程中学到的算法完成可体验的人脸识别demo，实现项目的可视化落地。

审核编辑 ：李倩