，就目前而人脸识别技术发展已经有几十年的历史。比如，卷积神经网络(CNN)的研究始于20世纪80年代。在此之前，处理图像数据使用的是全连接神经网络，然而全连接层参数太多，直接导致计算速度变慢，而且容易产生过拟合问题。

### 回答1：
是的，你说得对。CNN的出现解决了这些问题，因为它可以共享权重和偏差，使得模型参数大大减少，从而提高了计算效率和泛化能力。此外，随着深度学习技术的发展，越来越多的神经网络被提出来，例如循环神经网络(RNN)和长短时记忆网络(LSTM)，它们在语音识别和自然语言处理等领域取得了很好的效果。在人脸识别领域，这些网络也被应用到了人脸检测和人脸识别中，使得识别准确率和效率大大提高。

### 回答2：
人脸识别技术发展至今已经有几十年的历史。其中，卷积神经网络(CNN)的研究始于20世纪80年代。在此之前，人们处理图像数据时主要使用的是全连接神经网络。然而，全连接层参数较多，这导致了计算速度变慢的问题，同时也容易发生过拟合问题。

然而，随着卷积神经网络的引入，人脸识别技术得到了极大的改进。卷积操作的引入使得网络只关注图像中的局部特征，大大减少了全连接层的参数数量，从而提高了计算速度。同时，卷积神经网络还具备了平移不变性和局部关联性的特点，这使得它在处理图像数据时更加高效。

在卷积神经网络的基础上，人脸识别技术也不断发展和改进。研究人员提出了一系列的改进模型，如残差网络、注意力机制等，用于解决一些特定问题。此外，人脸识别技术还结合了其他计算机视觉技术，如特征提取、分类算法等，进一步提高了准确性和鲁棒性。

目前，人脸识别技术已广泛应用于人脸认证、安防监控、人脸跟踪等领域。它不仅可以提供便捷的身份识别方式，还具备较高的准确性和效率。然而，尽管人脸识别技术在对接近正脸的图像准确性较高，但在处理复杂环境下的侧脸、遮挡等情况仍然存在挑战。因此，需要继续研究和改进相关算法，提高人脸识别技术的稳定性和适用性。