python - dlib 人脸描述符的最佳分类模型是什么?
问题描述
dlib
我想要一个将的面部描述符(128D 向量)转换为人名的分类模型。
这里的问题是我有一个非常小的数据集。我每个员工只有一张图片,总共只有不到 100 名员工。我尝试过的分类方法包括 1. 直接计算欧式距离,并使用 2. LinearSVC
、 3.SVC
和 4. KNeighborsClassifier
in Scikit-Learn
。到目前为止,最好的结果似乎在于LinearSVC
要么KNeighborsClassifier
. 另外,我正在处理亚洲面孔,因此不同面孔的向量之间的距离没有那么大(相同面孔之间距离的默认容差为 0.6,在我的情况下,这会将每个人归类为同一个人。一个容差0.4 将显着减少误报的发生,但不能保证识别该人)。对于这种情况下哪种型号适合,有什么建议吗?是否有使用tensorflow
(with keras
) 的通配符解决方案?提前致谢!
解决方案
推荐阅读
- c# - 无法在 Selenium + C# 中选择我想要的特定列表
- java - 如何停止所有子线程运行?
- php - Magento 1 渲染过程:如何改进?
- python - 如何在 Python 中绘制 k 邻域的加权图
- python - 如果目标文件已存在于 python 中,如何增加文件名?
- laravel - Laravel 自动生成迁移脚本
- c# - 从 C# 调用 Powershell 函数
- angular - 离子,角度 - ChangeDetectorRef 未定义
- jquery - jquery DataTable 无法读取 JSON 数据
- c# - 如何在自定义 Linq 扩展方法中使用 StringComparer?