你有没有太多的训练数据？ 我正在开发一个系统，当用户向其提供错误时，它会更新训练数据，以便不再犯同样的错误（即如果用户看起来与他们通常的训练图像略有不同，那么它将会将新的捕获添加到训练数据中）。 这会降低性能吗？应该有最大值吗？只是拥有相同的训练集并接受失败率而不是试图改进它会更好吗？
干杯！
答案 0 :(得分：1)
根据用户的不同，这可能是个问题。 让我们说用户戴着太阳镜，看错了方法，并戴上围巾。 这会遮挡过多的图像，无法正确判断这是否是一张脸。 对这些图像进行训练将总体上提供可怕的结果，因为它们不是符合面部特征的东西，或者至少不是根据为特征脸提供的理论。 如果你想根据反馈继续训练模型，我认为你应该至少让一个人检查图像并确定它们是否值得培训。
但是，如果您已经使用适当的数据集训练模型，那么几乎所有您将收到的反馈都不能正确地作为面部资格。因为如果他们这样做，那么模型首先不会失败。
关于最大值，如果我没记错，你应该不会有一个硬性限制，但是在某一点上，重新训练模型所需的时间会变得非常长，这对于你的具体来说可能是不需要的。情况。
我希望这对你有意义。如果你对我的答案有任何疑问，请发表评论。