私は、ニューラル ネットワークに基づく顔認識に関する顔認識プロジェクトを行っています。これには、さまざまな画像でシステムをトレーニングすることが含まれます。さまざまな画像でシステムをトレーニングした後、データベースから照合せずに人を認識するということですか?すべての文字でシステムをトレーニングします。それ以上のトレーニングなしで新しい文字を認識できますか?
2 に答える
0
どのシステムでもニューラルネットワークを使用する基本的な考え方は、システムに意思決定を与えることです。システムに決定を下させたい場合は、従うべきいくつかのルールが必要です。ニューラルネットワークをトレーニングすることで、システムに意思決定を行うための知識と能力が与えられます。被験者ごとに10枚の画像のセットがある場合、トレーニング用に6〜7枚の画像を使用し、残りをテスト用に使用する場合があります。ニューラルネットワークのトレーニングには、教師ありと教師なしの2種類があります。教師なし学習は過去の知識に基づいており、システムは新しいタイプのデータに基づいて決定を下すことができます。トレーニング後にデータベースをチェックする必要はありません。しかし、教師あり学習では、データのクラスは既知であり、それらのみを認識します。
于 2012-02-03T19:04:01.850 に答える
0
顔認識には、システムに画像 (新しく観察された顔) を与え、それを以前に定義された一連の画像と比較したい状況が含まれます。
トレーニングは、この仕事をより良く行うニューラル ネットワークの開発から成ります (つまり、新しい画像を保存された画像に一致させます)。ただし、トレーニングの後でも、保存された画像のセットが必要です。
1 つの顔だけに関心がある場合 (たとえば、自分を認識することを学習できるシステムが必要で、他の人は認識できない場合)、その画像を認識するようにニューラル ネットワークをトレーニングすると、画像のプロパティは "トレーニングされたニューラル ネットワークに組み込まれています。しかし、それはデータベースと照合するようにシステムをトレーニングしてからそのデータベースを提供するよりも、有用性と効率性に劣るように思われます。
それとも、システムに人を見て、後でもう一度会ったときにその人を「知る」ようにしたいということですか? その場合も、効率的な方法は、システムをトレーニングして顔を一連の特徴に絞り込み、後で照合できるようにデータベースに保存することです。
于 2011-11-23T19:11:17.120 に答える