Question

我正在使用Amazon rekognition create collection api call创建一个集合。每个人都只需要一张图像就可以很好地进行分类吗？还是我们需要像在Facenet或其他深度学习实现中那样为每个班级（人）提供多个图像以提取特征？

我已经添加了所有图像（每人多张图像），这表明我已经很好地检测到某人。但是，集合可以将相似的特色图像聚在一起形成一个人吗？

Answer 1

通过IndexFaces操作将面孔添加到集合中，该操作实际上会检测面孔并将其添加到集合中。对于每张脸-它将返回faceid和其他脸部详细信息。

{
    "FaceModelVersion": "3.0",
    "FaceRecords": [
        {
            "Face": {
                "BoundingBox": {
                    "Height": 0.3247932195663452,
                    "Left": 0.5055555701255798,
                    "Top": 0.2743072211742401,
                    "Width": 0.21444444358348846
                },
                "Confidence": 99.99998474121094,
                "ExternalImageId": "input.jpg",
                "FaceId": "b86e2392-9da1-459b-af68-49118dc16f87",
                "ImageId": "09f43d92-02b6-5cea-8fbd-9f187db2050d"
            },
            "FaceDetail": {
                "BoundingBox": {
                    "Height": 0.3247932195663452,
                    "Left": 0.5055555701255798,
                    "Top": 0.2743072211742401,
                    "Width": 0.21444444358348846
                },
                "Confidence": 99.99998474121094,
........................
.........................
........................

对于检测到的每张脸，Amazon Rekognition都会提取脸部特征并将特征信息存储在数据库中。除此之外命令存储在指定位置检测到的每张脸的元数据脸部收藏。 Amazon Rekognition不存储实际图像字节。

此faceid足以使用SearchFaces操作搜索包含面孔的任何集合。该操作将输入面的特征与指定集合中的面进行比较。当然，一定要达到某种程度的匹配或相似性。

操作响应返回匹配的面部数组，顺序依相似度分数计算，相似度最高。更多具体来说，它是每个面部匹配的元数据数组，即找到了。除元数据外，响应还包括一个每个面孔匹配的置信度值，表示特定的面部与输入的面部匹配。

Amazon Rekognition是否只需要一张图像即可识别面部？

1 个答案: