快速搜索数据库中的人脸描述符答案

【问题标题】：Quick search of the face descriptors in the db快速搜索数据库中的人脸描述符
【发布时间】：2017-05-07 11:24:34
【问题描述】：

我想使用神经网络实现人脸识别应用程序之类的东西。所以我找到了this incredible article。

当我们将人脸图像放入 OpenFace 网络时，我们会得到 128 个测量值，可以用来比较人脸。

但这里我们得到了主要问题：我们如何才能在数据库中快速找到具有最接近 128 个值的同一张脸？

如果我们将使用 SVM（如文章中所述），我们应该在每次将新面孔放入数据库时重新训练分类器，但这并不方便。

所以我想知道解决这个问题的最佳方法是什么？ Facebook 等服务如何在毫秒内比较这些描述符？

【问题讨论】：

标签： database machine-learning neural-network artificial-intelligence face-recognition

【解决方案1】：

如果您有一张脸并且想在人脸数据库中搜索最接近的匹配项，那么实际上只有两个步骤（假设您已经获得了 128 个 OpenFace 测量值 - 我将其称为 OpenFaceRep）：

对于数据库中的每个人脸，从种子照片的 OpenFaceRep 中减去其 OpenFaceRep。我们称之为diff
获取diff 与自身的点积。如果您使用的是 Python，它看起来类似于 np.dot(diff,diff)，我们将其称为 similarity。

similarity 最低的人脸将是最佳匹配。请注意，您的准确度会因照片、照明等质量的不同而有很大差异。OpenFace 在 LFW 基准测试中达到了accuracy of about 92%。

【讨论】：

感谢您的回复！是的，我也认为这是最准确的方法，但是如果我们想用查询人脸检查数据库中的每个人脸，这将需要很长时间：我们需要减去 128 个值 n 次，其中 n - 计数db 表中的行。我认为它存在一些更快速的方法。还是我误会了你？
看来您理解我的正确。我所描述的会很快（因为它只是减法和乘法）并且可以并行实现。实际上，我一直想知道如何扩展它——据我所知，关于这个主题的开源研究并不多。我的猜测是，Facebook 能够通过仅将照片中的面孔与您的朋友进行比较来以某种方式“作弊”。因此，他们最多进行数千次比较。您可能还想查看Amazon Recognition，这可以为您简化事情。
当然，我完全忘记了这个 Facebook hack。好，谢谢！我将尝试测试您描述的方法并让您知道结果。但我也想澄清一下：我觉得我也可以用KD-tree来达到这个目的，你怎么看？
是的，我认为这符合我想到的一种方法。将您的数据分成 k 个集群（我在想 t-SNE），然后只将您的脸与将要分配到的集群中的人脸进行比较。祝你好运！
抱歉回复晚了。这几周我有很多考试。我以为我需要在 KD-tree 中使用 128 个维度，但您建议将维度减少到 3 个维度，然后对这些数据使用 KD-tree，对吗？我还想知道：PostgreSQL 是否可以按照我需要的方式使用 KD-tree？我阅读了this article 的相关信息，但我仍然不确定是否应该将其用于我的目的。