为人脸识别配置ANN

Question

在我提出问题之前，这里是我项目的简短摘要：

1. 我正在使用OPENCV的内置功能来检测一个面部 凸轮饲料。
2. 之后我正在处理包含脸部的图像，即 将其转换为灰度，将其大小调整为40X40像素和 均衡其'直方图。
3. 然后读取图像的像素值，进行标准化（即 除以256，因为FANN使用0到1之间的值，或-1 和1，取决于使用的函数）并保存到数组中 1600个元素。这是神经网络使用的数据。 根据数据，ANN决定面部是否是我的， 未知，或根本不是面子（误报）。
4. 神经网络然后返回一个包含3个元素的数组，并且 程序通过查找，决定面部属于哪个组 最大。

问题是，除了非常好的误报检测之外，我的代码给出了相当不准确的结果。

我的人工神经网络的一些细节。我正在使用doublefann.h。该网络包含1600个输入神经元（显然），3个输出神经元（甚至更多），而单个隐藏层包含1600个神经元，尽管我确实尝试了800-2400范围内的其他值。我正在使用我的20个样本，30个未知面部样本和30个随机背景样本进行训练。我试过RPROP（默认在FANN，似乎大部分时间都适合）和QUICKPROP（在训练时给出漂亮，平滑减少的误差，但结果不准确）训练算法，以及SIGMOID_SYMMETRIC（训练非常快，但往往以MSE的突然下降到接近零值，并且由此产生的网络过度拟合激活功能。我使用MSE和位失败值作为停止的标准。可悲的是，任何给定的组合导致了相当差的人脸识别。

所以我的问题是，鉴于我所处理的项目和数据的性质，最佳的是什么：

1. 隐藏神经元的数量
2. 激活功能
3. 训练算法
4. 每组训练样本数量（据说20-30就足够了）
5. 停止标准

当然，欢迎任何建议，不需要回答这五个问题中的全部或任何一个。我知道我的问题非常复杂，但我花了很多时间在圈子里跑，厌倦了阅读有关这一主题的文献，而且一些第一手的知识会受到高度赞赏。