时间戳

首页 > 解决方案 > 随时随地重新训练 TensorFlow 模型

python - 随时随地重新训练 TensorFlow 模型

问题描述

我正在尝试创建一个应用程序来捕获一个相机的提要，检测提要中的人脸，然后为它们拍照并将它们添加到图像数据库中。同时将捕获另一个摄像头，另一个神经网络会将第二个摄像头中的人脸与数据库中的人脸图像进行比较，然后显示该人的姓名。理想情况下，新的人脸图像应该在没有完全重新训练的情况下加载到神经网络模型中。

现在我正在尝试使用 TensorFlow 和 OpenCV 来实现这一目标。

TensorFlow 可以实现动态神经网络吗？

标签： pythontensorflowdeep-learningimage-recognition

解决方案

至于第二步（获取人名），我认为您不需要任何再培训即可实现这一目标。

您可以使用卷积 LSTM 或类似的 nn。输入形状可以是(None,image_dimension_x,y,3)（3 是颜色通道，对于 RGB）

其中 None 将是数据库中当前的图像总数。它将数据库中的所有图像传递到 nn 并返回一个数字作为索引。

或者，您可以使用普通卷积（没有 None）并使其输出它对数据库中每个图像的置信度，即现在相机上的人。然后选择最有信心的人。

我会说第二个更容易，可能更好，无论如何这是我的建议。

希望能帮助到你 ：）

推荐阅读