上篇文章中，我们讲解了人脸识别技术中机器学习方案和深度学习方案中的区别，从而引出了一个概念：如果想要真的将人脸识别技术应用于美颜算法，就必须通过海量数据模型训练或者人为调教，让计算机或者代码懂得“审美”。

那么具体是什么方式来实现的呢？

1、目前比较主流的方式还是机器学习

像改变眼睛与脸型这类美颜算法，因为要涉及到人脸识别的问题，非常复杂，对计算量的要求也非常大。

目前这类美颜一般都是基于机器学习的，参数在编写程序时就已经确定好，并没有计算机“自己”调整的过程。所以，目前的美颜算法中的“美”，都是由人来控制。当然，人为也不是说程序员自己可以随便编，而是要与美工人员共同参与来完成的。

举例来说：在人为调试阶段，设计师会将美女脸原图和经过处理后的图片做对比，原图和效果图之间，往往会存在差异，而设计师可以通过技术手段提取这个差异。然后把这个差异应用到美肤中去，这就是美颜中调整肤色的做法。在这个过程中，

技术只管技术，美工只管美工，这样就能够将开发与设计结合起来，实现所谓的“美”。

所以即便是不同家的美颜算法都大同小异，但为什么最终出来的效果还是有差异，这就是说明有很多细节需要花时间优化，特别是要考虑用户的需求是什么，怎样展现才能更漂亮。

2、而未来将更加依托于深度学习算法

在未来，深度学习的技术更为成熟时，电脑也许就可以凭借海量的数据来总结出“美”的概念，进而按这种总结出的“审美”来处理图像。但话说回来，“美”终究还是一种很主观的事，即便是用人通过大量美女图片合成过各个国家标准的美女脸来，还是会有很多人觉得不好看。

综上所述，人脸识别算法构成了美颜算法的基础，可以说，即便是到未来，美颜算法依然离不开人脸关键点识别这个核心。如果您想深入了解美颜算法，或对美颜sdk接入有需求，欢迎咨询客服。

 声明：本文由美狐原创，未经允许禁止转载，谢谢合作。