face-recognition - 机器学习是否意味着它不必检查任何数据库？

Question

我正在做一个基于神经网络的人脸识别项目。它包括在各种图像上训练系统。这是否意味着在对各种图像进行系统训练后，它可以在没有从任何数据库中匹配的情况下识别人？就像在字符阅读中一样我们用所有字符训练我们的系统，它可以在没有任何进一步训练的情况下识别新字符吗？

Answer 1

人脸识别涉及一种情况，您希望为系统提供图像（新观察到的人脸）并将其与一组先前定义的图像进行比较。

培训将包括开发一个神经网络，该网络在完成这项工作方面做得越来越好（即将新图像与存储的图像匹配）。但是，即使在训练之后，您仍然需要该组存储的图像。

如果您只对一张脸感兴趣（例如，您想要一个可以学习识别您的系统，但没有其他人），那么我想您可以训练一个神经网络来识别该图像，然后图像属性将是“内置”到经过训练的神经网络中。但这似乎比训练系统与数据库匹配，然后提供该数据库更没用，效率也更低。

或者你的意思是你想让系统看到一个人，然后如果他们再次看到他们，然后“知道”那个人？如果是这样，那么有效的方法是训练系统将人脸简化为一组特征，并将它们存储在数据库中以供以后匹配。

Answer 2

在任何系统中使用神经网络的基本思想是将决策传递给系统。如果我们希望我们的系统做出任何决定，它必须有一些规则可以遵循。训练神经网络使系统具备做出决策的知识和能力。如果每个主题有一组 10 张图像，我们可以使用 6-7 张图像进行训练，其余的用于测试目的。神经网络的训练有两种类型：有监督的和无监督的。无监督学习是基于一些过去的知识，系统可以根据一种新的数据类型做出决策。训练完成后，它真的不需要检查任何数据库。但是在监督学习中，数据的类别是已知的，它只会识别它们。