OpenCV中的“增量”面部训练

问题描述

我一直在OpenCV中进行一些面部检测。我已经完成了几个项目-一个使用预制模型进行人脸检测。其他一些人则做不同的事情，在那里我收集自己的图像并训练自己的模型。当我进行后者训练时，通常使用的面部训练数据集要小得多。

在我的面部识别器上-我使用的许多常见面孔 not 都无法正确检测到（由于口罩，帽子，护目镜，眼镜等奇怪的属性）。因此，我想重新训练自己的模型-但是获取巨大的“库存”数据集，然后将图像添加到其中可能会花费很长时间。

所以问题是：是否有一种方法可以从一个现有的模型（XML文件）开始，并以一种将添加我的图像到它吗？

解决方法

这称为“迁移学习”。 Tenserflow (Keras) 对此有很多支持。它基本上包括采用具有预先存在的权重的预先存在的模型，“冻结”某些层的权重，在现有层中或下方添加新层，然后仅重新训练未冻结的层。

它不能用来轻易地“继续”学习，但可以用来在训练中添加额外的东西 - 对于更新的方面（比如可能，将蒙面人添加到已经训练好的未蒙面人模型中，如我原来的问题）