我正在尝试创建一个应用程序,该应用程序捕获一台摄像机的图像,检测图像中的面部,然后拍摄它们的照片并将它们添加到图像数据库中。同时,另一个摄像机输入将被捕获,另一个神经网络将第二个摄像机输入中的面部与数据库中的面部图像进行比较,然后显示该人的姓名。 理想情况下,新的人脸图像应加载到神经网络模型中,而无需完全重新训练。
现在我正在尝试使用 TensorFlow 和 OpenCV 来实现这一目标。
使用 TensorFlow 可以实现动态神经网络吗?
最佳答案
至于第二步(获取此人的姓名),我认为您不需要任何再培训即可实现这一目标。
您可以使用卷积 LSTM 或类似的神经网络。输入形状可以是(None,image_dimension_x,y,3)
(3是颜色 channel ,对于RGB)
其中 None 是数据库中当前图像的总数。它将数据库中的所有图像传递到nn中,并返回一个数字作为索引。
或者,您可以使用普通卷积(不带“无”)并使其输出数据库中每个图像作为当前相机上的人的置信度。然后选择置信度最高的人。我想说第二个更容易而且可能更好,无论如何这是我的建议。
希望有帮助:)
关于python - 随时随地重新训练 Tensorflow 模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58784730/