Die in diesem Kurs vorgestellten Verfahren können auch dazu beitragen, Software zur Gesichtserkennung zu entwickeln bzw. signifikant zu verbessern.

Insbesondere die Dimensionsreduktion unter Verwendung der Hauptkomponentenanalyse funktioniert wie zuvor gesehen so gut, dass die Anzahl der Variablen signifikant reduziert werden kann, ohne einen nennenswerten Datenverlust zu befürchten. Dadurch wird einerseits deutlich weniger Speicherplatz benötigt, und andererseits können Verfahren des maschinellen Lernens zur Gesichtserkennung deutlich effizienter trainiert werden: Wird beispielsweise die Gesichtserkennung als Klassifikationsaufgabe aufgefasst, dann kann diese mittels neuronaler Netze gelöst werden. Wenn die Anzahl der Eingangsneuronen nun stark reduziert werden kann (da zunächst eine Dimensionsreduktion vorgenommen wird), so lässt sich die Trainingsphase deutlich effizienter gestalten.