人脸识别与图像分类
Posted
技术标签:
【中文标题】人脸识别与图像分类【英文标题】:Face recognition vs image classification 【发布时间】:2021-06-27 09:28:29 【问题描述】:我需要使用张量流构建图像分类模型,但在我的数据集中,我有超过 10000 个类,每个类只有 5 个图像。
我知道 5 个图像的数量太少,理想情况下每个类应该“至少”100 个图像,但目前我不明白某些“人脸识别”模型是如何工作的。
例如,所有现代智能手机都提供了“人脸识别”功能,可以在世界上所有的人脸中识别手机的主人,而且设置非常简单,只需快速拍摄(3 到 5 秒)即可主人的脸。
那么,为什么这可以工作,而图像分类模型需要大量图像才能达到可接受的精度?
这些模型是在幕后使用不同的技术构建的吗?
是否可以使用智能手机用于“人脸识别”的相同技术构建“图像分类”模型?
【问题讨论】:
【参考方案1】:智能手机人脸识别:您的智能手机人脸识别系统所做的是识别您脸上的某些关键特征,例如 S
。因此,给定一张新面孔,它会说“是的,这张面孔与S
匹配”或“不,这张面孔与S
不匹配”。因此,正如您所见,您只需要一些面部样本来识别这个好的集合S
。当它看到一张新面孔时,它所要做的就是从新面孔中获取这些关键特征,并将其与S
进行比较,最后说“是”或“否”。它不必说,是你的脸,你父亲的脸,你母亲的脸等等。它只需要说“是的,它匹配”或“不,它不匹配”
图像分类:但是,图像分类是一项完全不同的任务,它必须将每个图像分类到一个类别中。要识别图像是否是猫,它必须提取某些关键特征,将其与其他动物区分开来。因此,如果你有 100 种不同的动物,你需要 100 组这样的可区分的关键特征。这就是您需要为每个类别提供大量样本的原因,以便图像分类系统可以识别每个类别的此类关键特征集。
您如何识别关键特征是完全不同的游戏。它可以使用经典的图像处理技术(如 SIFT、SURF 等)或使用深度学习技术(如 CNN、自动编码器等)
【讨论】:
以上是关于人脸识别与图像分类的主要内容,如果未能解决你的问题,请参考以下文章
人脸识别基于matlab小波不变矩人脸识别含Matlab源码 1355期