Artificial intelligence 如何处理多张照片中同一个人的面部描述符？

使用神经网络进行人脸识别，该网络将生成一个“人脸描述符”，当然，这取决于网络，通常是一个描述人脸的128D向量（“通常，如果两个人脸描述符向量之间的欧几里德数小于0.6，则它们来自同一个人，否则它们来自不同的人。”）

我正在尝试开发一个具有人脸识别功能的照片应用程序，尽管我不知道如何存储一个人的人脸描述符。问题是不是如何序列化它们，但是当同一个人有数百张不同的照片，但每一张都产生不同的面部描述（因为角度、照明等不同），如何选择存储哪一张？据推测，随着越来越多的照片被处理，应该有一种方法来“改进”描述符，而无需对神经网络进行训练

---

谢谢

我问Python库的作者Adam Geitgey，他回答说：

有几种方法可以实现这一点：

你可以只为每个人保留一张脸的编码。但是，人们往往会随着时间的推移而改变，等等。因此，对于大型图像集，这可能无法提供最佳的准确性

您可以为每个人使用所有人脸编码，并训练一个分类器，用于确定新人脸编码中的人物。您可以使用SVM分类器，甚至可以使用简单的线性分类器。这是使用的策略。缺点是，当用户添加和验证新数据时，您必须反复训练新的分类器

一个更聪明的方法是使用聚类算法，如。其思想是，每个人脸编码都是图形数据结构中的一个节点。聚类算法自动对节点进行排序，以便最近距离的节点得到聚类，并且可以假设是同一个人。有一个（用C++编写）演示了这一点