machine-learning - 我应该通过深度学习在人脸验证上使用 0 类吗?
问题描述
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?
解决方案
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。
推荐阅读
- python - Python TkInter 创建一个按钮来打开特定目录
- firebase - Flutter Firestore 实时计数文档
- angular - 对于单元测试中没有构造函数的扩展类,Angular 10 依赖注入失败
- python - 我在 Python 中创建了商店计算器,但它有一些错误
- php - 如何将 HTML 内容和特殊字符转换为 Html 实体
- spring - 我可以从实体设置数据库序列的最小/最大值吗?
- python - Python绘图不是从中心开始
- python - 如何将创建的文本通道添加到类别?
- python - 我对变量做错了什么?
- php - Opencart 2.3 url 不会在 config.php 中重写