Database 在数据库中快速搜索人脸描述符

我想用神经网络实现类似人脸识别的应用程序。所以我找到了

当我们将人脸图像放入OpenFace网络时，我们得到128个测量值，可以用来比较人脸

但这里我们得到了一个主要问题：如何在数据库中快速找到具有最接近的128个值的同一张脸？

如果我们将使用SVM（正如本文中所写的），我们应该在每次将新人脸放入数据库时重新训练分类器，但这并不合适

---

所以我想知道解决这个问题的最佳方法是什么？像Facebook这样的服务如何在毫秒内比较这些描述符？

如果你有一张脸，并且想在一个脸数据库中搜索最接近的匹配项，实际上只有两个步骤（假设你已经获得了128个OpenFace测量值——我称之为OpenFaceRep）：

对于数据库中的每个面，从种子照片的OpenFaceRep中减去其OpenFaceRep。我们称之为

diff

获取该

diff

自身的点积。如果您使用的是Python，它看起来像

np.dot（diff，diff）

，我们称之为

相似性

---

相似性最低的脸将是最佳匹配。请注意，根据照片、灯光等的质量，您的准确度会有很大差异。OpenFace在LFW基准上取得了显著的进步。

谢谢您的回复！是的，我也认为这是最准确的方法，但是如果我们想用查询面检查数据库中的每个面，这将需要很长时间：我们需要n次减去128个值，其中n次是db表中的行数。我认为这是一种更快捷的方法。或者我误解了你？看来你对我的理解是正确的。我所描述的将非常快（因为它只是减法和乘法），并且可以并行实现。事实上，我一直在想如何扩展它——据我所知，关于这个主题的开源研究并不多。我的猜测是，Facebook能够通过将你照片中的面孔与你的朋友进行比较，在某种程度上“欺骗”。所以，他们最多只能做几千次比较。你也可以去看看，这可以简化你的工作。当然，我完全忘记了Facebook的黑客行为。好的，谢谢！我将尝试测试您描述的方法，并让您了解结果。但我也想澄清一下：我想我也可以使用KD树来实现这个目的，你怎么看？是的，我认为这与我想到的一种方法是一致的。将数据划分为k个簇（我认为是t-SNE），然后只将您的脸与将分配给它的簇中的脸进行比较。祝你好运很抱歉回复太晚。这几周我有很多考试。我想我需要在KD树中使用128维，但你建议将维度减少到3维，然后使用KD树处理这些数据，对吗？我还想知道：PostgreSQL能否以我需要的方式使用KD树？我读过，但我仍然不确定我是否应该把它用于我的目的。