我计划制作一个形象分类器来识别英超联赛中每一个球员的脸。我有几个问题(因为到目前为止,我只处理小的或学术的数据集)。
我的问题:
PS:我是新手,所以如果我的问题含糊不清,我很抱歉。如果需要更多的澄清,请评论。
发布于 2019-05-10 21:51:24
我如何下载这些不同的图片?由于手动下载所有图片都非常困难,有什么方法可以自动下载吗?
首先,你需要知道你的分类器会是怎样的,它是分类变大小的图像还是固定大小的图像?它是只接受一个脸作为输入还是多个?它会对黑白图像进行分类,还是使用多个通道进行分类?是多输出分类器还是单输出分类器?
在开始之前,你必须回答这个问题和其他问题。根据后面的问题,您必须从不同的源或以不同的方式获取数据。不必考虑这些问题,您可以搜索已经收集和组织图像并适应数据集的数据集,卡格尔有许多公共数据集。通过自己收集培训数据可能是一项繁琐的工作,如果需要数千个示例,我建议您制作一个数据挖掘应用程序,在不同的页面中爬行,并自动下载图像,尽管您必须小心不要违反任何隐私法律。
我正在使用Fast.ai,我们需要为每个玩家制作一个不同的类。我该如何为这么多的球员做不同的课程呢?
现在,您拥有了所有的数据干净和整洁,您必须分类的图像。有很多方法可以用深度神经网络对图像进行分类,你可以使用简单的前馈神经网络或递归神经网络,但最常用的和我推荐的是卷积神经网络。如果您没有太多的图像分类经验,我建议您从一个更简单的项目开始,比如MNIST数据集,该数据集由黑色、白色的手写数字图像组成,这样您就可以更好地练习不同的超参数并进行更好的实验,而不是从这样一个雄心勃勃的分类任务开始。无论哪种方法,要将图像分类为多个输出,您必须在神经网络中添加一个最后一层,其数量等于要区分的类数,然后应该向该层添加一个softmax激活函数。最后,为了学习该模型,您应该使用一个范畴交叉熵损失/成本函数。
我不知道我是否回答了你的问题,所以请不要犹豫,告诉我或问更多的问题。
不管怎样,很高兴能帮上忙
发布于 2019-05-11 08:17:48
其中一种方法是使用一次学习和暹罗网络进行人脸识别。你只收集了一个你想要认出的脸的例子。然后,您使用共享参数来训练两个CNN,这些参数能够对每个图像进行编码。然后,将这两种编码都提供给能够度量它们之间相似性的东西,并将其与实际真相(是否是同一人的图片)进行比较。
图为安德鲁·吴( Andrew )的深度学习课程,在这里你可以实现人脸识别:

所以你训练网络,有时给它两张同一个人的照片,有时给它不同人的照片。
当暹罗网络被训练的时候,它可以用来建立一个所有玩家的编码数据库,当你得到一张新的图片时,你可以在这个数据库中搜索,直到你找到一个给你最好的相似分数。
有很多方法可以用不同的难度和性能来实现这一点。这是一个非标准的问题,所以比常规的图像分类要困难一些。我将给你们留下一些参考资料:
pip 脸_复痛包
https://datascience.stackexchange.com/questions/51763
复制相似问题