当招收更多的人时，人脸识别信心下降

Question

我有一个人脸识别项目，包括注册人，然后训练模型。完成后，我调用识别脚本来识别人脸。

在注册过程中，我首先使用caffe模型检测人脸。然后，我使用开放式人脸识别器提取人脸嵌入，然后将所有人脸嵌入保存在pickle文件中。在训练中，我使用rbf核进行训练。

假设我有下面的数据集，每个人有20张图片

1. personA
        image1.jpg
        image2.jpg
        ...
        ...
        image20.jpg

2. personB
        image1.jpg
        image2.jpg
        ...
        ...
        image20.jpg

3. personC
        image1.jpg
        image2.jpg
        ...
        ...
        image20.jpg

4. personD
        image1.jpg
        image2.jpg
        ...
        ...
        image20.jpg

如果我通过了人物C的测试图像，我得到的识别结果是人物C，置信度92%。现在，如果我用30-40张图片注册更多的人，那么我看到的是人物C的置信度分数下降到64%，对此我不确定为什么会发生这种情况。下面是我如何训练模型：

params = {"C": [0.001, 0.01, 0.1, 1.0, 10.0, 100.0, 1000.0], "gamma": [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1]}
model = GridSearchCV(SVC(kernel="rbf", gamma="auto", probability=True), params, cv=3, n_jobs=-1)
model.fit(data["embeddings"], labels)

在上面的代码中，data[“embeddings”]是人物的面部嵌入，标签是姓名。

所以我注意到，一旦我开始添加越来越多的人和越来越多的图片，拥有较少图片的人的自信心开始下降。这是真的吗。？有没有人经历过这种问题。？我该如何解决这个问题。

Answer 1

这完全有道理。

如果你的数据集中只有一个人/图像，并且你在上面训练了你的模型，模型应该接近100%的准确率。由于模型增加了更多的脸/人，脸属于哪个人就有更多的模糊性。

随着数据集的增长，模型应该尝试在不过度拟合的情况下推广到数据。PersonC可能与数据集中的另一个人相似。也可能是您的型号选择不正确，超参数错误，或者某些配置不正确。那一部分，我不能评论。

至于一个图像较少的人信心越来越低。这就是你正在观察的吗？你有没有在你的数据集中对许多人尝试过？你应该能够通过看看你是否有更准确的预测来回答这个问题。

它也可能有助于绘制其中一些图像，以便您可以看到错误分类是否有意义。