如何以最佳方式调整我的面部识别常数（即阈值）？

Question

我制作了一个有效的人脸识别程序，但是它有时可以： 1）未检测到脸部/未检测到多余的非脸部作为脸部。 2）当他熟悉的面孔时，他可能会认识到它是一个新人，或者认识到另一个陌生的面孔是其他人。

这两个假阳性和真阴性的问题是由于诸如cascade.detectMultiScale参数中的常量所引起的：scaleFactor，minNeighbors，minSize，maxSize。 在face_recognizer中，num_components阈值。

所以我的问题是如何找到这些参数的最佳值？

Answer 1

实验上，您必须进行网格搜索。因此，如果您具有标签（框的正确值等），则可以通过以下方式进行网格搜索：定义一组要微调的超参数，并检查它们的每种可能组合以找到最佳的。 / p>

例如，在face_recognizer中，您可以尝试使用以下阈值进行试验：

for threshold in [0.5, 0.6, 0.7, 0.8, 0.9]:
    for image in the trainset:
      res = face_recognizer(image, threshold=threshold)
      assert (res==label)

如果要检查多个超参数，则可以添加另一个for循环：

for param_1 in [value_1, value_2...]:
  for param_2 in [value_1, value_2...]:
    for image in the trainset:
      res = face_recognizer(image, threshold=threshold)
      assert (res==label)

您可以添加任意数量的超参数。您只需要使用相应的超参数值保存平均损耗和误差。这样，您可以在网格搜索之后选择最佳模型，然后选择最终模型（参数）。