python - 如何在 CNN 中为 AI 考勤添加新类别

Question

我正在和团队一起做这个项目，我们决定在“人工智能自动考勤系统”上做这个项目

我学会了使用 CNN 对物体进行分类，例如狗和猫。有了这些知识，我们决定制作基于 CNN 的考勤系统。 (如果你发现这里有问题，请告诉我我们是否不应该走这条路或技术......)

但继续使用 CNN，假设我们已经用 2 个学生训练了模型，并且在最后一层我们放置了两个神经元，因为它们只是两个，对吧......？

现在第三个来了，现在要将他的脸训练到神经网络，我必须改变模型的结构并重新训练每张脸......

如果我们将该项目应用到大型学院，那里有数百名学生，如果我们想为每个学生训练模型，那么这不是重新创建模型的可行解决方案。

所以我们想，我们会将模型的输出层大小固定为 50。因此每个模型只能训练 50 张面孔。

但并不总是有 50 个。他们可能 40 岁，或者如果一个人没有被录取，那么 41 岁。

那么如何使用现有权重重新训练网络？(在我知道的地方有人问过同样的问题，但请告诉我我的情况)

Or is there any other technology to use... ?

请指导我...

Answer 1

你不需要分类。分类并不是解决所有问题的办法。

你应该看看这些:

1. 余弦相似度
2. 连体网络

您可以使用来自 FaceNet 或 OpenCV 的现有模型。由于它们已经在庞大的人脸数据集上进行了训练，因此您可以轻松提取特征向量。

存储每个新学生的特征向量。然后根据距离或相似度分数标记出勤率计算相似度(现有图像，当前图像)。

这是一种可扩展且速度更快的方法。无需培训或再培训。