我在Python中使用scikit learn在SVM（机器学习算法）的背景下创建了一个简单的人脸识别程序。我已经创建了50个人均图像用于训练数据，但它还没有给出我正确的结果（十个人中，它只能识别1个）。我只是机器学习的新手。所以我在这里缺少什么？通过程序很简单。它采用图像的像素值并训练数据然后预测实时图像。请在这里帮助我。
答案 0 :(得分：1)
除了机器学习程序本身的设计（我们不知道），您所显示的信息肯定是一个问题：
50张图片可能足以（而且不是非常准确）用于训练以识别图像是否是脸部。
但是为了训练系统识别不同的面孔，它会采用更大的训练数据集。
我确定即使是同一个人，面部大小，位置，倾斜度等也会大不相同，因此每人的照片数量应远大于50来训练系统......
使用神经网络，层数，设计和大量训练样本是良好学习的关键。
如果你的训练样本数量过多，你就会过度拟合（系统在你的训练中会很完美，但不会超出你的训练），如果你的训练样本太少，那么你就是不合适（你不会有足够的样本来学习，我认为是你的情况。
你可以做的另一件事是给你的系统输入不是原始图像作为输入，而是使用为这些图像提取的数据，作为从眼睛到嘴巴的眼睛与下巴距离之间的关系等。在这种情况下你可以使用短片每张脸的样本数量，所以50（甚至更少）将绰绰有余。但是，您需要先使用正确的算法对图像进行预处理，以便为系统提供信息