1.訓練過的人準確率很高
2.是模型訓練到一定程度 適用于所有人 還是新加入一個人就重新訓練一次啊？
大公司比如支付寶的刷臉支付是怎么解決這個問題，他們錄入時只錄入一次，但是準確率很高，是他們本來就有我們的人臉庫嗎？
那如果是小公司做小人群的人臉識別演算法，怎么加入一個新的人就自動重新訓練和自動替換模型呢？ 因為每一次訓練好的模型都要對人臉庫圖片重新提取特征，這樣做很麻煩
uj5u.com熱心網友回復：
人臉識別問題一般分為以下三個：1.人臉檢測
2.人臉特征點定位和矯正
3.人臉對比/識別
1和2好像也不是你關注的點，先跳過
無論是大公司還是小公司，都不會新增一個人就訓練模型的。
人臉對比或識別的模型，輸入是一張圖片，輸出是特征向量（注意不是特定的人）
通過對比已有人的特征向量來確定是不是模型庫里的人，以及是誰。
現在問題就到了如何訓練一個模型，使得輸出的特征向量能盡可能得區分不同的人了，大概也就知道孿生網路，三元損失之類的，有興趣多去看看
uj5u.com熱心網友回復：
對，問題就在于如何訓練模型到該模型對所有物件適用的問題。三元損失我知道，facenet里面不是大資料量才用triple-loss嗎？ 我訓練二十來個人替換成center-loss了。訓練到一定程度是不是要極大的資料量（其中包含自己的人臉資料，其余用公開的人臉資料庫可行嗎？），使其準確率達到99%以上
uj5u.com熱心網友回復：
在訓練的程序中是需要大量的資料（不同人臉）進行訓練的，這樣才可以使模型能夠學到如何提取不同的人臉特征。當之后新加入一個人臉時，訓練好的模型就可以提取到合適的正確的特征，形成一個特征向量保存在本地。當檢測的時候，拿實時生成的特征向量與本地保存的特征向量進行相似度匹配。uj5u.com熱心網友回復：
不管是1：1的人臉比對，還是1：N,M:N的人臉識別程序都是類似的。uj5u.com熱心網友回復：
1：N,M:N的人臉識別程序都是類似的。轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/133978.html
標籤：人工智能技術
下一篇：問問大家用的工具及版本