DAM 中面部识别的兴起与消亡

他们可能会这样说：通过正确组织的 DAM 解决方案，您可以在使用简单的云存储（如 Google Drive 或 Dropbox）所需的时间的一小部分内为您的新营销活动找到完美的视觉内容。这会让您感到快乐和受到启发，并且在截止日期之前有大量时间专注于广告活动的创意方面。

他们可能会承认，也可能不会承认，DAM 生命周期的某个阶段使用 DAM 解决方案绝对不会更快——即首次添加新资产时。

老实说，将所有内容简单地转储到 Google 云端硬盘并不需要很长时间。然而，为了充分利用 DAM 解决方案，您需要标记和组织您的资产以使其可搜索。

大多数投资 DAM 的组织都意识到这是值得的，当人们需要查找和使用资产时，它会给下游带来指数级的回报。虽然更好的 DAM 解决方案的用户体验设计使这个过程尽可能简单，但它仍然需要时间。

自动标记的承诺

因此，几年前，当自动标记等技术问世时，DAM 行业抓住了机器学习的潜力也就不足为奇了。

早在 2016 年，我就为 DAM News 写了一篇关于自动标记的混合结果的文章。自那时以来，这项技术已经有所改进，但它还不能取代人类。

在考虑自动标记时，人们往往会想到对象标记，其中经过大量图像训练的机器学习系统提供与照片中的主题相关的标签（“海滩”、“大海”、“冰淇淋”等）。

另一种自动标记技术是面部识别，它结合机器学习和生物识别数据，自动用人名标记资产。

人脸识别准确

面部识别的准确率令人印象深刻（根据2020 年进行的研究，准确率高达 99.97% ），因此可以在 DAM 中节省大量时间。

对于需要能够查找包含特定人 电子邮件列表数据库  物的照片的组织来说，该功能可以节省大量时间。具有讽刺意味的是，考虑到与之相关的隐私问题，组织通常需要管理受试者同意。例如，通常学校或大学只能使用当前学生的照片，这意味着当有人离开时，他们必须找到他们所在的所有照片并停止使用它们。想象一下必须手动执行此操作。使用面部识别，只需几秒钟。

每当我向客户和潜在客户演示我们的平台时，它的面部识别功能几乎肯定会让人惊叹不已。

我现在必须在其他地方寻找惊喜，因为我们最近从所有 DAM 解决方案中删除了面部识别功能。让我解释一下原因。

隐私立法



大多数软件应用程序中面部识别功能的繁重工作都是由 Amazon Rekognition 等后端服务提供的。他们的工作方式是扫描照片并为看到的每张面孔生成唯一的面部标识符。然后，利用此功能的应用程序将每个人脸标识符链接到一个人的详细信息（例如他们的姓名），这些详细信息通常由人输入。

每个人脸标识符看起来都像是一组随机字符，从理论上讲（至少在 Amazon Rekognition 的情况下），如果脱离了生成它的应用程序的上下文，则毫无意义。这表明，只要应用程序本身负责任地使用数据，即使在数据泄露的情况下，个人的个人数据被滥用的风险也非常低。

然而，一些地理区域将人脸标识符视为生物识别数据，通常将其归类为特殊类别数据。特别是，美国许多州的立法现在不仅要求用户同意存储生物识别数据，甚至在生成生物识别数据之前也要求用户同意。这使得面部识别功能在大多数情况下无法使用——如果你能在扫描之前证明你已经获得了照片中每个人的同意，那么你一定已经识别了他们所有人。