用于个人面部识别的训练集图像之间的时间
Time between training set images for individual facial recognition
编辑：我没有说清楚，因为这是为了将来可能开发 应用程序。
我正在研究应用程序的个人面部识别，但其中的一个重要部分似乎是一个相当大的图像训练集，用于识别每个人。
在不同环境中的不同时间拍摄的图像是否重要，或者用手持相机在几秒钟内拍摄的多张图像是否可以为良好的训练集提供必要的变化？
（顺便说一句，这不是针对人脸识别的，所以现有的工具和数据库不会有太大帮助。我知道二维图像识别不一定适用于所有物种；让我们假设它在我的用例中确实有效。）
本文可能会回答您的一些问题：
http://uran.donetsk.ua/~masters/2011/frt/dyrul/library/article8.pdf
From the pattern classification point of view, a usual problem in face recognition is having a plethora of classes and only a few, possibly only one, training sample(s) per class. For this reason, more sophisticated classifiers are not needed but a nearest-neighbour classifier is used.
虽然我不是这方面的专家，但每个人只有一张图像作为训练样本，而另一张图像在受控 lighting/positional 情况。
为了具体回答您的问题，训练集包含每个人的多张图像，几乎没有或没有变化 ("several images captured over a few seconds with a handheld camera")，其价值不如变化较大的图像（例如，不同的面部表情） 、灯光、背景）。
编辑：我没有说清楚，因为这是为了将来可能开发 应用程序。
我正在研究应用程序的个人面部识别，但其中的一个重要部分似乎是一个相当大的图像训练集，用于识别每个人。
在不同环境中的不同时间拍摄的图像是否重要，或者用手持相机在几秒钟内拍摄的多张图像是否可以为良好的训练集提供必要的变化？
（顺便说一句，这不是针对人脸识别的，所以现有的工具和数据库不会有太大帮助。我知道二维图像识别不一定适用于所有物种；让我们假设它在我的用例中确实有效。）
本文可能会回答您的一些问题： http://uran.donetsk.ua/~masters/2011/frt/dyrul/library/article8.pdf
From the pattern classification point of view, a usual problem in face recognition is having a plethora of classes and only a few, possibly only one, training sample(s) per class. For this reason, more sophisticated classifiers are not needed but a nearest-neighbour classifier is used.
虽然我不是这方面的专家，但每个人只有一张图像作为训练样本，而另一张图像在受控 lighting/positional 情况。
为了具体回答您的问题，训练集包含每个人的多张图像，几乎没有或没有变化 ("several images captured over a few seconds with a handheld camera")，其价值不如变化较大的图像（例如，不同的面部表情） 、灯光、背景）。