machine-learning - 我应该通过深度学习在人脸验证上使用 0 类吗？

Question

我正在进行面部验证实施，我有很多人的很多照片，在 100 最好的情况下，我有 150 到 700 张照片，这 100 个人是培训课程。我也有很多（比如 100000 张）1 个人的照片，我的问题是，用这些照片创建“0 级”是否毫无价值？我想知道网络是否会从这门课中学到一些有用的东西？当网络对一个它从未见过的人做出预测时，它更有可能被归类为 0 类？或者你有一些话题让我真正了解这里发生了什么？

标签： machine-learningdeep-learningcomputer-vision

Answer 1

您正在处理的问题是您的数据集不平衡。这是一个问题，因为神经网络将以更高的概率预测 0 类，并且仍然具有合理的准确度。您可能需要考虑重新采样数据集。

一种重新采样的方法可能是对数据集进行欠采样。然后，您只包括来自每个类别的样本数量，该数量等于最小类别的样本数量。假设您有
100 张人物 1 的
照片、160 张人物 2 的
照片、10000 张人物 3 的照片，
那么您将只从每个类中抽取 100 个样本以平衡数据集。