メインコンテンツにスキップ

より良い顔認識クラスタリング

目的

このガイドでは、大規模な画像ライブラリを持つシステムで顔認識を最適化する方法を説明します。これらの手順に従うことで、顔のクラスタリングを改善し、手動の統合作業を減らすことができます。


重要な注意事項

  • 最適な適用対象: 大量の画像がインポートされた後の大規模な画像ライブラリ。
  • 警告: この方法では、以前に割り当てられた名前がすべて削除されます。
  • ヒント: 進行する前に必ずバックアップを作成してください!

手順ガイド

目的

顔クラスタリングを向上させ、高品質な初期データを使用してモデルが顔を効果的に識別できるようにする。


手順

1. 機械学習設定を調整する

以下に移動:
管理者 → 管理 → 設定 → 機械学習設定

次の変更を行います:

  • 最大認識距離 (任意):
    ライブラリに似た顔特徴を持つ人が含まれている場合、この値を0.4に下げます。
  • 最低認識顔数:
    大量 (~100K以上) のアセットを持つライブラリでは20、中程度 (~40K程度) のアセットを持つライブラリでは10など、高い値に設定します。

    高い値はクラスタがライブラリ内で最低20回/出現する顔のみ含むようにし、初期クラスタリングプロセスを改善します。


2. リセットジョブを実行する

以下に移動:
管理者 → 管理 → 設定 → ジョブ

以下を実行します:

  1. 顔認識 → リセット

これらのリセットジョブは、新しい設定に基づいて認識モデルを再構築します。


3. 低い閾値で認識を精査する

リセットジョブが完了したら、以下の手順で認識を精査します:

  • ステップ 1:
    機械学習設定で最低認識顔数に戻り、値を10に下げます。(中程度のライブラリでは値を10から5に下げます)。

    ジョブを実行: 顔認識 → MISSINGモード

  • ステップ 2:
    値をさらに3に下げます。

    ジョブを実行: 顔認識 → MISSINGモード

値を試してみる

大量のアセットを持つライブラリや少量のアセットを持つライブラリでは、他の設定が向いている場合もあります。名前を割り当てる​​前にさまざまな値を試し、どの設定が自分のライブラリに適しているかを確認することをお勧めします。