Artificial intelligence 如何识别数量动态增加的对象

假设我有一组图像，我将使用这些图像来识别来办公室的人。然后我建立自己的人脸识别系统，训练神经网络识别人脸。但是一个月后，有一个新员工，我是否应该（完全）重新培训ANN？有什么“动态技术”可以让我只训练新的而不是整个图像吗？

我理解这个问题。通过训练神经网络，系统学习一种模式。为什么不使用一个数据库来存储由图片表示的人物，并为他们指定模式描述？这样，当您训练ANN识别模式时，您将存储与此人相关的模式，并且当您希望系统能够确定显示了谁的图片时，只需使用单独的模式来确定谁的模式与图片最相似

---

如果我是你，存储的模式可以直接用于启动已经训练好的ANN。

啊，我忘了指定NN，我想使用反向传播NN。如果我使用存储的模式重新启动，我训练新的模式，它不会改变整个模式吗？你需要在模式和人之间建立一对一的关系。模式是一个人的财产。您不应该覆盖前面学习的模式。您应该单独存储学习的模式。