面部识别训练集

Question

有人可以向我解释面部识别背景下的培训设置？

我一直在阅读期刊，我经常看到像

这样的页面

  

在实验中，每个人随机选择的五个样本   用于形成训练集，其余样本用于   测试

由于

Answer 1

在面部识别的上下文中，training set是一种发现不同数据集/不同上下文中相同数据集之间关系的方法。对于人脸识别，如果我给出一个算法七个不同的脸部图片和八个不同的朋友脸部图片，算法的想法是找到我脸上的七张图片/我朋友脸部的八张不同图片之间的相似之处，例如可以识别出我朋友或我的新照片。

有关详情，请参阅维基百科上的facial recognition。

算法的输入是标记图片的列表，标记为带有图片的元组和个人的身份。

例如：

train = [(img1, 'Louis'), (img2, 'Louis'), (img3, 'John'), (img4, 'John')]

img_rec = algorithm(train)

然后，您应用经过训练的算法来识别未标记的图像。

test = [img5, img6, img7]

for i in test:
    img_rec(test)

假设您有足够的训练数据/良好的算法，那么（理想情况下）将识别图像中的人物。

编辑：关于您的上述评论，是的！有时。不同的算法使用不同的ID方法。 A good site detailing the four main algorithms in use now