更好的面部识别聚类
目的
本指南说明了如何在具有大型图片库的系统中优化面部识别。通过遵循这些步骤，您将能更好地对人脸进行聚类，从而减少手动合并的需求。
重要注意事项
- 最适合： 导入大量图片后的大型图片库。
- 警告： 此方法将删除所有先前分配的姓名。
- 提示： 在继续之前始终执行备份！
分步指南
目标
通过使用高质量的初始数据来增强面部聚类，并确保模型能够高效识别人脸。
步骤
1. 调整机器学习设置
导航至： 管理员 → 管理 → 设置 → 机器学习设置
进行以下更改：
- 最大识别距离（可选）： 如果库中包含面部特征相似的人，可以将此值降低，例如设为 0.4。
- 最 小识别面数：
设置为一个较高值（例如，大量资源库（大约100K+）设为20，中等资源库（大约40K+）设为10）。
较高的值确保聚类仅包括在库中至少出现20/
值次的面部，从而改善初始聚类过程。
2. 运行重置任务
导航至： 管理员 → 管理 → 设置 → 任务
执行以下操作：
- 面部识别 → 重置
这些重置任务会根据新设置重新构建识别模型。
3. 通过降低阈值细化识别
一旦完成重置任务，按以下方式细化识别：
-
步骤 1： 返回到机器学习设置中的 最小识别面数，并将值降低到 10（在中等规模的库中，我们会从10降低到5）。
运行任务：面部识别 → 缺失模式
-
步骤 2： 再次将值降低到 3。
运行任务：面部识别 → 缺失模式
尝试不同的值
对于某些具有较大或较小资源库的情况，其他设置可能效果更佳或较差。建议在分配姓名之前尝试不同的值，看看哪些设置对您的库效果最佳。