人脸识别：是否可以对数千个主题进行分类？
face recognition: is it possible to classify thousands of subjects?
我对人脸识别算法很陌生，我只是发现如果我训练一个简单的人脸数据库。例如，我有四个人（A、B、C、D），每个人有 10 张图像，那么我可以通过现有算法（例如通过 OpenCV 库）非常快速地训练数据库。而且人脸识别算法效果很好。准确率大于90%，我可以正确识别四个人（给A,B,C,D的图片），也可以拒绝一些不认识的人（比如E,F,G...）。
但是这是一个非常小的人脸数据库，我想知道如果我要识别10000个主体，也就是100000张图像，是否仍然可以？这种情况下的准确度是多少？
基本上，人脸识别算法只是对收集到的人脸的特征空间进行一些分类，但是当数据库变得很大时，它仍然可以很好地工作吗？
谢谢。
是的，如果您想识别 10000 个主题，每个主题至少需要 10000 张图像。
通常，识别器算法在其数据库样本之间进行距离比较，因此，如果算法非常稳健，您可以轻松识别出您想要的许多主题。
然而，10000 是一个很大的数字，你真的需要一个实时应用的 GPU 概念，因为它需要很长时间才能给你一个答案。
希望对你有帮助。
我对人脸识别算法很陌生，我只是发现如果我训练一个简单的人脸数据库。例如，我有四个人（A、B、C、D），每个人有 10 张图像，那么我可以通过现有算法（例如通过 OpenCV 库）非常快速地训练数据库。而且人脸识别算法效果很好。准确率大于90%，我可以正确识别四个人（给A,B,C,D的图片），也可以拒绝一些不认识的人（比如E,F,G...）。
但是这是一个非常小的人脸数据库，我想知道如果我要识别10000个主体，也就是100000张图像，是否仍然可以？这种情况下的准确度是多少？
基本上，人脸识别算法只是对收集到的人脸的特征空间进行一些分类，但是当数据库变得很大时，它仍然可以很好地工作吗？
谢谢。
是的，如果您想识别 10000 个主题，每个主题至少需要 10000 张图像。 通常，识别器算法在其数据库样本之间进行距离比较，因此，如果算法非常稳健，您可以轻松识别出您想要的许多主题。 然而，10000 是一个很大的数字，你真的需要一个实时应用的 GPU 概念，因为它需要很长时间才能给你一个答案。 希望对你有帮助。