东方耀AI技术分享

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 12033|回复: 19
打印 上一主题 下一主题

[课堂笔记] 01、使用Siamese孪生网络做门禁卡系统(项目概述)

[复制链接]

1365

主题

1856

帖子

1万

积分

管理员

Rank: 10Rank: 10Rank: 10

积分
14429
QQ
跳转到指定楼层
楼主
发表于 2020-1-7 08:23:40 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式



01、使用Siamese孪生网络做门禁卡系统(项目概述)


使用one-shot learning思想,当新的类别来时,不用重复训练模型,门禁系统人脸识别,当新员工入职后不重复训练模型!
所用到的技术:
1、用到tf和Keras做模型构建与训练、PyTorch中torchvision.datasets作数据封装
2、构造训练样本:X是一对图片,Y是0(同类的图片)或1(不同类的图片),为了数据均衡,同类与不同类各占50%
3、嵌套方式建模(双子网络),欧式距离作为输出的预测值(相似度)
4、自定义模型损失函数(如果是同类则预测的距离越小越好,反之越大越好)与度量指标(类似于准确率)
5、通过batch_generator分批次喂养数据训练模型
6、训练的时候,按一定概率进行数据增强(按照50%的概率水平翻转图像)
7、图像数据预处理:RGB2GRAY、resize到模型输入尺寸、归一化到(0,1)之间
8、模型训练过程的回调:TensorBoard、ModelCheckpoint、CSVLogger、EarlyStopping
9、模型预测的时候:新来的图片要跟系统中所有的人脸图作比对(这些图可以都不在训练集中)
技术难点:
1、改变思维观念,一张图片不一定就是一个样本,可以自己构造样本的形式
2、孪生网络模型学的是区分同类还是不同类的能力

让天下人人学会人工智能!人工智能的前景一片大好!
回复

使用道具 举报

0

主题

117

帖子

258

积分

中级会员

Rank: 3Rank: 3

积分
258
QQ
沙发
发表于 2020-2-3 15:53:10 | 只看该作者
谢谢老师提供的资料。
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
板凳
发表于 2020-4-27 14:32:56 | 只看该作者
谢谢资料
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
地板
发表于 2020-4-27 14:34:03 | 只看该作者
谢谢老师的资料
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
5#
发表于 2020-4-27 14:34:26 | 只看该作者
非常有用
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
6#
发表于 2020-4-27 14:34:47 | 只看该作者
对我很有帮助
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
7#
发表于 2020-4-27 14:35:34 | 只看该作者
感谢~~~~~~~~
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
8#
发表于 2020-4-27 14:36:00 | 只看该作者
学习AI到这来
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
9#
发表于 2020-4-27 14:37:32 | 只看该作者
感谢老师
回复

使用道具 举报

0

主题

94

帖子

203

积分

中级会员

Rank: 3Rank: 3

积分
203
10#
发表于 2020-4-27 14:37:50 | 只看该作者
还有问题不懂
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|人工智能工程师的摇篮 ( 湘ICP备2020019608号-1 )

GMT+8, 2024-4-19 16:12 , Processed in 0.182344 second(s), 19 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表