构建您自己的自定义面部识别的良好做法是什么？

Question

我正在为我们的办公室构建自定义面部识别。

我打算使用 Google FaceNet, 现在我的问题是，您可以在 keras 或 pytorch 中找到或创建自己的 facenet 模型版本，这没有问题，但关于创建 dataset ，我想知道当我之前没有那个人的任何照片时拍摄该人照片的最佳做法是什么，我只有一个 相机 和一个人，我应该通过更改 lightning 条件或 orientation 或 face size ?

创建差异

Answer 1

一个经过适当训练的 FaceNet 模型应该已经对光照条件、姿势和其他不应成为面部识别一部分的特征具有一定的不变性。至少那是 FaceNet paper 的草案中所声称的。如果您只想比较从网络生成的特征向量，并打算识别一小部分人，您自己的数据集可能不必特别大。

就我个人而言，我为大约 100 人的团队所做的事情与您试图实现的目标非常相似。数据集由每人 1 张图像组成，我使用 1-N-N 分类器对生成的特征向量进行分类。虽然我不记得确切的结果，但它确实工作得很好。预训练网络的架构与 FaceNet 的架构不同，但总体思路是相同的。

不过，真正回答您的问题的唯一方法是进行实验，看看实际效果如何。