人臉識別中的增量學習

Question

我正在嘗試為人臉識別應用程序實施增量/在線學習。 我已經在數據集上訓練了一個模型並且它工作得非常好，但是，我需要隨着時間的推移捕獲新的面孔（類）並將它們添加到現有的數據集中。 有什么方法可以讓我用新的類來訓練模型而無需從頭開始重新訓練？

到目前為止，我還沒有找到任何豐富的資源，如果有人能在某處指出我，我真的很感激。

Answer 1

我的建議是使用以下兩種技術之一訓練您的模型：

• 度量學習：使用 siamese 或三元組網絡來相互比較圖像。 如果您的數據集很小，這是一個不錯的選擇。 https://arxiv.org/abs/1503.03832
• 使用 center loss + softmax：將問題呈現為分類並訓練。 https://ydwen.github.io/papers/WenECCV16.pdf

最后，您應該認為您不會保留該模型，而只會將其用作特征提取器。 換句話說，模型將非常擅長提取面部信息，而不是分類（這不是他們的任務）。

稍后您修復該模型，您可以做不同的事情：

• 直接使用距離作為余弦來識別相對於數據集最近的人臉（如果您不需要非常確定的准確度，它可以工作）。 您直接在您的面部特征和整個數據庫之間使用 KNN，並將識別為最接近的面部。

• 您訓練一個額外的模型，該模型使用前一個模型的特征。 您可以再次使用神經網絡，但在這種情況下，我的建議是使用 SVM（因為 SVM 模型作為 LASVM 是在線學習的近似）。 因此，他們只需要每隔一段時間訓練一個小的分類器。 https://machinelearningmastery.com/how-to-develop-a-face-recognition-system-using-facenet-in-keras-and-an-svm-classifier/