机器学习意味着它不必检查任何数据库吗？

Question

我正在做一个基于神经网络的人脸识别人脸识别项目。它包括在各种图像上训练系统。这意味着在对各种图像进行系统训练之后，它识别人而不将其与任何数据库相匹配？如果我们用所有角色训练我们的系统，它可以识别一个新角色而无需进一步训练吗？

Answer 1

面部识别涉及一种情况，您希望为系统提供一个图像（一个新观察到的面部），并将其与一组先前定义的图像进行比较。

培训将包括开发一个神经网络，可以更好地完成这项工作（即将新图像与存储的图像匹配）。但是，即使在训练之后，您仍然需要这组存储的图像。

如果你只对一张脸感兴趣（例如你想要一个可以学会识别你的系统，但没有其他人），那么我想你可以训练一个神经网络来识别那个图像，然后是图像属性将被“内置”到训练有素的神经网络中。但是，与训练系统匹配数据库，然后提供该数据库相比，这似乎没有那么有用和效率低。

或者你的意思是你希望系统看到一个人，然后如果他们再次看到那个人就“知道”那个人？如果是这样，那么有效的方法是训练系统将面部缩小为一组特征，并将它们存储在数据库中以便以后进行匹配。

Answer 2

在任何系统中使用神经网络的基本思想是将决策权交给系统。如果我们希望我们的系统做出任何决定，它必须遵循一些规则。训练神经网络赋予系统做出决定的知识和能力。如果我们为每个主题设置了10个图像，我们可以使用6-7个图像进行训练，其余的用于测试目的。 神经网络的训练有两种类型：监督和无监督。无监督学习基于一些过去的知识，系统可以基于新类型的数据做出决定。在训练完成后，它确实不需要检查任何数据库。但是在有监督的学习中，数据类是已知的，它只能识别它们。