Para el reconocimiento facial, el mejor clasificador es kNN, ¿sorprendido?
El reconocimiento / identificación de rostros es diferente a la clasificación de rostros. Para la Clasificación, necesitará muchos ejemplos por persona (20 o más). Por otro lado, la Identificación de Rostros se puede usar incluso con un ejemplo (es bastante similar al Aprendizaje Único).
Entonces, ¿por qué kNN? Porque tener uno / pocos ejemplos por persona no te permitiría aprender un buen clasificador. Por otro lado, kNN solo compara su consulta con todos los datos de entrenamiento (donde la métrica de distancia podría ser la distancia cosenoidal). Entonces, cuando tengamos más ejemplos por persona, compararemos la consulta con todos ellos.
- ¿Cuáles son algunos casos de uso para el anonimato de datos?
- ¿Qué se sabe sobre la eficiencia de la agrupación espectral en caso de que los datos no estén completamente conectados?
- Cómo migrar modelos de aprendizaje automático que están escritos en diferentes lenguajes de programación
- Cómo calcular un proceso de red neuronal artificial
- ¿Auto-sklearn es realmente mejor que un clasificador único optimizado por hiperparámetro? ¿Tienes experiencia con esto?
La segunda razón es la escalabilidad, donde me refiero a agregar una nueva persona a la base de datos. En kNN solo agrega una nueva persona. En SVM necesitas volver a entrenar todos los modelos y tener ex. 10k persona puede tomar algo de tiempo.
Mire el punto de referencia de reconocimiento / identificación / verificación de rostros. Aquí las personas solo comparan características extraídas de caras calculando puntajes de similitud.
Y sobre el reconocimiento facial en tiempo real, creo que debería encontrar una red más rápida que AlexNet, por ej. ResNet18 como avance de estructura puede llevar demasiado tiempo en tiempo real