優化臉部識別群集
目的
本指南旨在教您如何在擁有大量圖片庫的系統中優化臉部識別。通過遵循這些步驟，您將實現更好的臉部群集，減少手動合併的需求。
重要注意事項
- 最佳適用場景： 在導入大量圖片後的大型圖片庫。
- 警告： 此方法將刪除所有之前分配的名稱。
- 提示： 在繼續操作之前，請務必進行備份！
步驟分解指南
目標
通過使用高質量的初始數據來增強臉部群集，以確保模型有效地識別臉部。
步驟
1. 調整機器學習設置
導航到： 管理員 → 系統管理 → 設置 → 機器學習設置
進行以下更改：
- 最大識別距離（可選）： 如果圖片庫中的人具有相似的面部特徵，將此值降低，例如設置為 0.4。
- 最低識別臉數：
設置為較高的值（例如：對於擁有大量資產的圖片庫（~100K+），設置為20；對於中等資產數量的圖片庫（~40K+），設置為10）。
較高的值可確保群集僅包括在圖片庫中至少出現20/
value次的臉部，從而改善初始群集的過程。
2. 運行重置作業
前往： 管理員 → 系統管理 → 設置 → 作業
執行以下操作：
- 臉部識別 → 重置
這些重置作業將根據新的設置重新構建識別模型。
3. 使用較低的閾值進行識別優化
當重置作業完成後，按以下方式優化識別：
-
步驟 1： 返回機器學習設置中的 最低識別臉數，並將值降低至 10（對於中等圖片庫，將值從10降低至5）。
執行作業：臉部識別 → MISSING 模式
-
步驟 2： 再次將值降低至 3。
執行作業：臉部識別 → MISSING 模 式
嘗試不同值
對於擁有更多或更少資產的特定圖片庫，其他設置可能表現更好或更差。建議在 分配名稱之前嘗試不同的值，並查看哪些設置最適合您的圖片庫。