面部识别中的增量学习

Question

我正在尝试为面部识别应用程序实现增量/在线学习。我已经在数据集中训练了一个模型，并且模型工作得很好，但是，随着时间的推移，我需要捕获新的面孔（类）并将其添加到现有的数据集中。我有什么方法可以用新的类训练模型而无需从头开始进行训练？

到目前为止，我还没有找到任何丰富的资源，如果有人可以指出我在某处，我会非常感激。

Answer 1

我的建议是使用以下两种技术之一来训练您的模型：

• 度量学习：：使用暹罗网络或三元组网络相互比较图像。如果您的数据集很小，这是一个不错的选择。 https://arxiv.org/abs/1503.03832
• 使用中心损失+ softmax：以分类和训练的形式提出问题。 https://ydwen.github.io/papers/WenECCV16.pdf

最后，您应该认为您不会保留该模型，而只是将其用作特征提取器。换句话说，这些模型将非常擅长提取未分类的面部信息（这不会成为他们的任务）。

稍后您可以修复该模型，然后可以执行其他操作：

• 直接使用距离作为余弦来识别相对于数据集的最接近的人脸（如果您不需要非常确定的准确性，则可以使用）。您可以在人脸特征和整个数据库之间直接使用KNN，并将识别结果视为最接近的人脸。

• 您将训练一个附加模型，该模型使用先前模型的功能。您可以再次使用神经网络，但是在这种情况下，我的建议是使用SVM（因为SVM模型是LASVM，是在线学习的近似值）。因此，他们只需要经常训练一个小的分类器。 https://machinelearningmastery.com/how-to-develop-a-face-recognition-system-using-facenet-in-keras-and-an-svm-classifier/