OpenCV中的“增量”人脸训练

Question

我一直在使用 OpenCV 进行人脸检测。我已经完成了几个项目 - 一个使用 pre-built 模型进行人脸检测。其他一些人做不同的事情，我收集自己的图像并训练自己的模型。当我做后者时，通常使用的数据集比你用于面部训练的数据集小得多。

在我的面部识别器上 - 我使用的许多常见面部没有被正确检测到（由于面具、帽子、护目镜、眼镜等奇怪的属性）。所以我想重新训练我自己的模型 - 但是抓住巨大的“股票”数据集，将我的图像添加到其中可能需要很长时间。

所以问题是：有没有一种方法可以从现有 模型（XML 文件）开始，并以一种将我的图像添加到的方式运行训练器是吗？

Answer 1

这称为“迁移学习”。 Tenserflow (Keras) 对此有很多支持。它基本上包括采用具有预先存在权重的预先存在的模型，在某些层上“冻结”权重，在现有层中或下方添加新层，然后仅重新训练未冻结的层。

它不能简单地用于“继续”学习，但可以用于在训练中添加额外的东西 - 用于更新的方面（例如，可能将蒙面人添加到已经训练的未蒙面人模型中，例如我原来的问题）