Opencv 特征脸人脸识别训练数据

你是否有太多的训练数据？ 我正在开发一个系统，当用户反馈错误时，该系统将更新训练数据，以避免再次犯同样的错误（即，如果用户看起来与他们通常的训练图像略有不同，它将在训练数据中添加新的捕获）。 这会降低性能吗？应该有一个最大值吗？拥有相同的训练集，接受失败率，而不是试图提高失败率，这会更好吗

---

干杯

这可能是一个问题，具体取决于用户外观的不同。 假设用户戴着太阳镜，看起来不对劲，戴着围巾。 这会遮挡太多图像，无法正确确定这是否是一张脸。 对这些图像进行训练总体上会产生可怕的结果，因为它们不符合脸的条件，或者至少不符合为特征脸提供的理论。 如果你想根据反馈继续训练一个模型，我认为你至少应该让一个人检查图像并决定它们是否值得训练

但是，如果您首先使用合适的数据集对模型进行了训练，那么您将收到的几乎所有反馈都不会被恰当地称为人脸。因为如果他们这样做了，模型一开始就不会失败

关于最大值，如果我没记错的话，没有一个你应该遵守的硬限制，但是在某一点上，重新培训模型所需的时间会变得非常长，这对于你的具体情况来说是不必要的

---

我希望这对您有任何意义，如果您对我的答案还有任何疑问，请留下评论。

反馈将由人检查，并且仅在系统识别错误用户的情况下（即图像是user1，系统预测user2）因此，我想我会采纳你的建议，通过反馈的方式继续增加培训数据，直到我发现再培训时间过长为止。谢谢你的及时回复！