machine-learning - 构建自己的自定义面部识别的良好做法是什么？

Question

我正在为我们的办公室构建自定义面部识别。

我打算使用Google FaceNet，现在我的问题是您可以在 keras 或 pytorch 中找到或创建自己的facenet模型版本，这没有问题，但是关于创建数据集，我想知道捕获的最佳实践是什么当我没有那个人的任何先前照片时，我只有一个相机和一个人，我应该通过改变闪电条件或方向或面部大小来创造变化吗？

Answer 1

一个经过适当训练的 FaceNet 模型应该已经对照明条件、姿势和其他不应成为识别面部一部分的特征具有一定的不变性。至少这是FaceNet 论文草稿中所声称的。如果您只打算比较从网络生成的特征向量，并打算识别一小群人，那么您自己的数据集可能不必特别大。

就我个人而言，我为大约 100 人的团队所做的事情与您试图实现的目标非常相似。数据集由每人 1 张图像组成，我使用 1-NN 分类器对生成的特征向量进行分类。虽然我不记得确切的结果，但它确实工作得很好。预训练网络的架构与 FaceNet 不同，但总体思路是相同的。

不过，真正回答您的问题的唯一方法是进行实验，看看实际情况如何。