人臉識別技術處理「圖中有幾張臉」之類的圖片會有怎樣的結果？

11-20

如圖，這樣的圖片用人臉識別技術識別會是什麼結果？人

謝邀。
首先，從場景圖像中檢測到人臉的技術叫做人臉檢測而非人臉識別。後者特指給定人臉照片判斷身份。
第二，通用的人臉檢測器大多是針對照片的。因此直接用於這類圖片效果必然很糟糕。比如類似圖上最大人臉的鼻子同時是另一個人的胳膊這種二義性的問題，通用檢測器肯定是搞不定的。所以需要針對這些特點對檢測器進行專門調整。

那麼專門調整後的檢測器性能會怎樣呢？這個我也不能確定。只能以自己的經驗來判斷一下。

先給出我的判斷。
人和計算機都能輕鬆判斷的：1，3，5，(6)
人能輕鬆判斷而計算機不能的：2，4，7
耍流氓：8，9

首先說8、9兩張側臉，它們的問題是只有臉的側邊輪廓，但在該有眼睛的地方卻沒有。因此嚴格的說，這兩張不應該算作人臉，屬於定義不清的問題。
再說1，3，5，6。這四張臉的共同特點是具有明顯的部件特徵。（正臉五官清晰，側臉有明顯的圓型輪廓，鼻子、眼睛、眉毛都很清楚），這裡6對於計算機比較困難，因為計算機只能找到側臉輪廓和眼眉，找不到腦袋，不過利用這些應該也能準確判斷。
最後2，4，7的共同點是部件信息不清。2隻有圓形輪廓、4五官不清。7隻有鼻子和眼睛，人臉輪廓線很短不足以判斷。

而人為什麼可以判斷呢？這就是本答案最重要的觀點：
人認識這張圖裡的所有東西。
同樣是半圓形輪廓，人會把3的腦瓜頂認成人臉的一部分，卻不會把拱門的上沿認成人臉的一部分，原因在於，人認識那是拱門。同樣，人並沒有把狗當成人臉是因為人認出了那是狗。而婦女1抱著的那個東西，雖然很模糊，但沒有人會把它當成土豆，因為大家知道那個位置本身就應當出現嬰兒的腦袋。對於4，人能認出是臉主要緣於腿腳、胳膊、拐杖這些其他的元素。而7的眼睛屬於突兀出現的異常部件，雖然可以解釋成飛鳥，但在整幅圖的背景下，有意畫成臉的概率更高。

人類的以上思考過程都是基於與人臉檢測任務本身無關的其他經驗。而人類把這些看似無關經驗拿來幫助完成特定任務的能力是目前的計算機難以望其項背的，也無法在演算法設計過程中加以利用。目前機器學習最新的熱點——多任務學習正在試圖模仿人類的這一功能，另外deep learning中的「共享權值」設定也包含了點兒意思，但總體上這方面的努力才剛剛起步，人機性能存在巨大gap。

這種圖不符合人臉識別的範疇，因為它根本鎖定不到臉部特徵。
按不同的演算法來說，有可能會識別到最大的那一張，但根本不可能全部識別。

可以用這個鏈接試試：https://www.faceplusplus.com.cn/face-detection/#demo

結果如下：

這個其實叫人臉檢測，人臉識別是檢測到人臉以後要能夠分辨出來這張臉是誰。人臉檢測現在技術其實已經很成熟，比如很多相機中都已經加入了該技術。但用來檢測分辨幾張臉最好分析下類似樣本才能保證一定的準確率。畢竟那個圖片中很多人臉特徵並不明顯人眼都無法分辨。

怎麼說呢，如果這張圖片是比較清晰的，我覺得可以檢測到其中的一到兩張臉，但是其他的這麼多是檢測不到的，因為在計算機看來，其中的大部分人臉是沒有意義的，不符合人臉特徵的規範。具體我也不是做檢測的，繼續請教高人吧，

這個不用問了，計算機用現在的樣本集來訓練，訓練出來的結果，是沒法用在你想的這個事情上的，要單獨做特徵提取，重新調參。。。。。。