我正在尝试为人脸识别应用程序实现增量/在线学习。我已经在数据集上训练了一个模型，它工作得很好，但是，我需要随着时间的推移捕获新的面孔（类）并将它们添加到现有的数据集中。有什么方法可以不用从头开始重新训练，就可以用新的类训练模型吗？
到目前为止，我还没有找到任何丰富的资源，如果有人能在某个地方指出我，我真的很感激。
问问题
280 次
1 回答
1
我的建议是使用以下两种技术之一来训练您的模型：
- 度量学习：使用连体或三元网络来相互比较图像。如果您的数据集很小，这是一个不错的选择。https://arxiv.org/abs/1503.03832
- 使用中心损失+softmax：将问题呈现为分类和训练。https://ydwen.github.io/papers/WenECCV16.pdf
最后，您应该认为您不会保留该模型，而只是将其用作特征提取器。换句话说，模型将非常擅长提取面部信息，而不是分类（这不是他们的任务）。
稍后您修复该模型，您可以做不同的事情：
直接使用距离作为余弦来识别相对于数据集最近的人脸（如果您不需要非常确定的准确性，它可以工作）。您直接在人脸特征和整个数据库之间使用 KNN，并将识别视为最近的人脸。
您训练了一个使用前一个模型的功能的附加模型。您可以再次使用神经网络，但在这种情况下，我的建议是使用 SVM（因为作为 LASVM 的 SVM 模型是在线学习的近似值）。因此，他们只需要经常训练一个小型分类器。https://machinelearningmastery.com/how-to-develop-a-face-recognition-system-using-facenet-in-keras-and-an-svm-classifier/
于 2020-09-25T22:13:37.340 回答