如何为人脸识别python创建未知的人脸数据集

Question

我有一个python face recognition，我在这里使用open-face模型和SVM来检测和识别人脸。我要识别图像的一般步骤如下：

1. 使用面部检测模型检测面部：使用开放面部模型而不是HAAR cascase的原因是级联无法检测到侧面
2. 提取人脸嵌入：使用开放人脸模型提取128 d人脸嵌入

3. 训练：我使用SVM来训练脸部嵌入并使用适当的标签，如下所示：

   params = {"C": [0.001, 0.01, 0.1, 1.0, 10.0, 100.0, 1000.0], "gamma": [1e-1, 1e-2, 1e-3, 1e-4, 1e-5]}

   model = GridSearchCV(SVC(kernel="rbf", gamma="auto", probability=True), params, cv=3, n_jobs=-1)

   model.fit(data["embeddings"], labels)

4. 测试：提取测试图像的面部嵌入，并预测如下结果：

model.predict_proba()

我有unknown个人面部数据集和known个人面部数据集。这里的问题是，如果我添加约30个已知人物图像，并且如果我具有约10个未知人物图像，则表示该已知人物很好，但是如果有任何未知人物出现，它也将该未知人物识别为已知人物具有很高的知名度。信心，实际上应该是未知的。

如果我在unknown数据集中添加更多随机人物，则可以说约50张图像，如果我有30位已知人物图像。它可以识别已知人物的图像，但是可信度很低，如果有未知人物进来，则可以识别为未知

为了获得良好的面部识别结果，我们需要使known and unknown个人图像的数量接近相同，这实际上是不可能的，因为已知人物图像可以增加到100个或更多，超过我们添加的每个已知人物。我在这里很困惑，不知道该怎么办。还有其他方法可以识别known/unknown个人。请帮忙。谢谢

Answer 1

正常的情况是，随着可能性的增加（可信度），置信度会下降。我想了解您的意思：您为每个人贴上标签，然后为未知标签贴上另一个标签？那不是走的路，因为未知被视为嵌入任何其他人。您应该使用截断概率，所有低于此概率的东西都被认为是未知的。

请记住，预测的大小（更多的人，更多的可能性）和准确性之间需要权衡

Answer 2

我认为svm在这里不能很好地工作。它是本机的二进制分类器。它将尝试计算两个128D点集（已知类和未知类）之间的边界，但是这些类在内部没有任何关系。已知可能比未知更类似于嵌入空间中的另一个已知。这对于SVM的推广将是一个问题。 SVM可以用于封闭集，但是您可以为未知面孔设置开放集。

使用非参数方法，并使用贝叶斯方法，为嵌入空间中的已知数据计算似然率与距离的函数，更为实用。就像您上一个问题一样。