我正在训练CNN模型以这样的方式识别面部，即模型只有两个类。一个是“我的脸”，另一个是“不是我的脸”。 这意味着它将是一个二元分类器来识别我的脸。
我尝试过以下方法让它发挥作用。
我的脸像积极的一样，很少有其他的面孔作为消极的阶级。在 这种方法，我面临着未经训练的面孔的问题。一些 没有训练过的面孔就像是我的面孔。这个问题 被称为“假阳性”。
我想摆脱误报的情况。任何人都可以建议我使用数据集或CNN网络的一些技巧来实现它吗？
除了CNN之外，还有其他技术可用。请建议我。
答案 0 :(得分：0)
误报会使您受到这种分类和您的具体目标的困扰。
我的经验告诉我，最好的解决方案是在同一数据集上测试多种不同的机器学习技巧/模型，直到找到能够获得最佳结果的技术/模型。
正如弗洛里安·H所建议的那样，你也可以获得更多具有更多面孔的数据集。或者，您的脸部/特征集可能与其他脸部相似。
最后，我建议你去看一个名为 OpenCV 的工具，并查阅他们的机器学习文档。
什么意思是“我不能使用某种可以产生负面图像的技术（我不知道这种技术，但只是想创造它。）”。你是指流域还是阈值？ OpenCV的文档包括这些主题。
此外，更详细地解释您所选择的功能，如何提取等......让更有经验的人更容易指导您使用最佳实践和技巧，以便您可以改善结果。