Python 什么';dlib人脸描述符的最佳分类模型是什么?
我想要一个将dlib的面部描述符(128D向量)转换为人名的分类模型 这里的问题是我有一个非常小的数据集。我每个员工只有一张照片,总共只有不到100名员工。我尝试过的分类方法包括:1.直接计算欧几里德距离,使用2.Python 什么';dlib人脸描述符的最佳分类模型是什么?,python,tensorflow,Python,Tensorflow,我想要一个将dlib的面部描述符(128D向量)转换为人名的分类模型 这里的问题是我有一个非常小的数据集。我每个员工只有一张照片,总共只有不到100名员工。我尝试过的分类方法包括:1.直接计算欧几里德距离,使用2.LinearSVC,3.SVC,以及4.Scikit Learn中的kneighbors分类器。到目前为止,最好的结果似乎是LinearSVC或kneighborsvidentifier。另外,我正在处理亚洲人脸,所以不同人脸向量之间的距离没有那么大(相同面之间距离的默认公差为0.6,
LinearSVC
,3.SVC
,以及4.Scikit Learn
中的kneighbors分类器
。到目前为止,最好的结果似乎是LinearSVC
或kneighborsvidentifier
。另外,我正在处理亚洲人脸,所以不同人脸向量之间的距离没有那么大(相同面之间距离的默认公差为0.6,在我的情况下,这会将每个人归类为同一个人。公差为0.4将显著减少误报的发生,但不能保证识别该人).对于这种情况下哪种模型合适,有什么建议吗?是否有使用tensorflow
(使用keras
)的通配符解决方案?提前感谢