使用啥分类器来确定两个数据集是不是描绘了同一个人？

Posted 2023-03-12

【中文标题】使用啥分类器来确定两个数据集是不是描绘了同一个人？

【英文标题】：What classifiers to use for deciding if two datasets depict the same individual?使用什么分类器来确定两个数据集是否描绘了同一个人？

【发布时间】：2011-10-06 05:54:41

【问题描述】：

假设我有一组人的面孔照片。我要回答的问题是：“这两张图片代表的是同一个人吗”？

像往常一样，我有一个训练集，其中包含许多人的几张图片。算法必须处理的个人和图片当然不在训练集中。

我的问题不是关于图像处理算法或我应该使用的特定功能，而是关于分类的问题。 我看不出如何在这种情况下使用传统的分类器算法，例如 SVM 或 Adaboost。我应该如何使用它们？我应该使用其他分类器吗？哪些？

注意：我的真实应用不是人脸（我不想透露），但已经足够接近了。

注意：训练数据集并不庞大，最多只有几千个。尽管每个数据集都非常大（几兆字节），即使它不包含很多真实信息。

【参考方案1】：

请原谅我说的很明显，但为什么不使用任何监督分类器（SVM、GMM、k-NN 等），为每个测试样本获取一个标签（例如，面部、语音、文本等），然后看看这两个标签是否匹配？

否则，您可以执行二元假设检验。 H0 = 两个样本不匹配。 H1 = 两个样本匹配。对于两个测试样本 x1 和 x2，计算距离 d(x1, x2)。如果 d(x1, x2)

【讨论】：

对于您答案的第一部分：问题（如果我正确理解您的答案）是要测试的主题不在培训数据库中。而且我不认为每次我必须测试图像对时都重新训练。

关于您评论的第二部分：这几乎是我得出的结论，但我想知道：（1）是否有自动设置 epsilon 的好方法，以及（2），如果有办法直接在多维输入上使用分类器，而不是计算度量和度量阈值。直觉上，在我看来，（2）应该能够得到更好的结果。

【参考方案2】：

你可能应该看看以下方法：

页。 Jonathon Phillips：应用于人脸识别的支持向量机。 NIPS 1998：803-809 Haibin Ling、Stefano Soatto、Narayanan Ramanathan 和 David W. Jacobs，人脸识别研究，IEEE International 计算机视觉会议 (ICCV)，2007 年。

这些方法描述了使用 SVM 来解决您所描述的同一个人/不同个人的问题。如果特征（眼睛、鼻子、嘴巴）的对齐良好，这些方法效果很好。

【讨论】：

感谢指点！我会阅读文件并报告。

非常感谢您的回答。这些文件正是我需要的。作为记录，解决方案是在差异空间中执行分类，其中差异是一个抽象的对称函数，它获取两张图像并返回差异特征。这种差异可以是两个图像的简单绝对差异，也可以是更复杂的东西，如第二篇论文所示。

【参考方案3】：

您的数据集有多大？ 我会通过提出某种距离度量（比如欧几里得）来开始这个问题，它可以描述图像之间的差异（例如颜色、形状等的差异，或者说局部差异）。代表同一个人的两个图像的距离很小与代表不同个体的图像相比，这在很大程度上取决于您当前正在处理的数据集的类型。

【讨论】：

训练数据集并不庞大，最多只有几千个。

一个度量标准并不难获得，例如我可以使用特征脸之间的欧几里得距离。我的问题是关于最后的分类步骤，而不是前面的步骤。

如果两张脸之间的距离很小，那么它们很可能代表同一个人（可能性有多大？你从你的训练集中找到这个）。然后问题被简单地简化为“按照我的度量标准，这两张脸靠得很近吗？”如果这不能提供足够好的结果，您需要提出一个更好的指标。这应该是困难的部分，我不知道你为什么认为“不难做到”。

不，我的问题是在哪里设置阈值。我希望自动设置阈值而不是手动设置。指标是一个难题，但有很多文献解决了这个问题。