如何在 CNN 中添加新类别以供 AI 出勤答案

【问题标题】：How to add new Category in the CNN for Attendance by AI如何在 CNN 中添加新类别以供 AI 出勤
【发布时间】：2020-04-02 15:02:45
【问题描述】：

我正在和小组一起做这个项目，我们决定在“人工智能自动考勤系统”上制作这个项目

我已经学会了 CNN 对物体（即狗和猫）进行分类。有了这些知识，我们决定制作基于 CNN 的考勤系统。（如果你在这里发现不好的东西，请告诉我我们是否不应该走这条路或技术......）

但是继续使用 CNN，假设我们已经用 2 个学生训练了模型，并且在最后一层，我们将两个神经元放在它们只是两个，对吧...？

现在第三个来了，现在要将他的脸训练到神经网络，我必须改变模型的结构并重新训练每张脸......

如果我们将项目应用到有数百名学生的大学院，并且如果我们想为每个学生训练模型，那么这不是重新创建模型的可行解决方案。..

所以我们想，我们会将模型的输出层大小固定为 50。所以每个模型只能训练 50 张人脸。

但并非总是有 50 个。他们可能 40 岁，或者如果一个人被录取，那么 41 岁。

那么如何使用现有权重重新训练网络？ （在我知道的地方问了同样的问题，但请指导我的情况）

或者有没有其他技术可以使用...？

请指导我...

【问题讨论】：

【解决方案1】：

您不需要分类。分类并不是处处问题的解决方案。

你应该看看这些：

您可以使用来自 FaceNet 或 OpenCV 的现有模型。由于他们已经在庞大的人脸数据集上进行了训练，因此您可以轻松提取特征向量。

存储每个新学生的特征向量。然后根据距离或相似度分数标记出勤率计算相似度（现有图像、当前图像）。

这是一种可扩展且速度更快的方法。无需培训或再培训。

【讨论】：

好吧，但是嘿，假设我是新学生，对于我来说，我的脸，我应该给多少张照片...？只有一张照片可以...？
是的，一张清晰的好照片就足够了。为了使其成为一个强大的系统，您可以提供同一个人的 2-3 张不同照片，并将矢量存储在 NoSQL DB 中。就像现在智能手机上的人脸解锁一样。
感谢您的支持，但是作为该领域的初学者，请快速提问，如何找到现有人脸特征与待测人脸特征之间的距离？以及从那时起如何找到识别人脸的置信度或概率？
感谢您的支持，但是作为该领域的初学者，请快速提问，如何找到现有人脸特征与待测人脸特征之间的距离？从那时起如何找到识别面部的置信度或概率？....我想获取距离以获取相似度...帮助我了解技术和工作流程。
感谢您的支持，但是作为该领域的初学者，请快速提问，如何找到现有人脸特征与待测人脸特征之间的距离？从那时起如何找到识别面部的置信度或概率？....我想获取距离以获取相似度...帮助我了解技术和工作流程。

【解决方案2】：

恕我直言，您不需要分类器。您需要的是 Adam Geitgey 在this article. 中描述的向量或编码。那么人脸识别依赖于编码的余弦相似度而不是分类问题。

为此，Adam Geitgey 的 wrapper 围绕 Dlib 的面部识别功能相当不错。它可以为您提供一对面孔之间的相似性度量，有助于将面孔与学生匹配。此外，对于您的用例，您可以store the face encodings 的学生并将他们与传入的图像数据进行匹配。

【讨论】：