我正在为人脸识别系统构建原型,在编写算法时,我有几个问题。
算法:
任何人都可以帮助理解这些概念故障吗?
在对计算机视觉中的人脸验证和识别/检测研究论文进行了一些文献调查。我想我能回答所有问题,所以我想在这里回答。
第一个问题,你会做余弦相似吗?你能为它增加更多的清晰度吗?
第二个问题,另外,在效率方面,您将如何处理一个场景,其中您在数据库中有100,000名员工进行训练图片编码,并且每个新人需要查看这100,000个编码并计算余弦相似度并给出结果<2秒?
第三个问题: - 首先,我们通过最小化三重态损失函数来学习深CNN(Siamese n / w)的网络参数!
- 现在,假设这些模型参数至少可以代表任何人脸!所以你将继续通过向前传递你的网络来保存数据库中的“新人”编码,然后使用答案1计算该人是否属于组织(面部识别问题)。此外,在FaceNet论文中,我们提到我们保留了大约一百万张图像,与我们的训练集具有相同的分布,但不相同的身份。