機器學習是否意味着它不必檢查任何數據庫？

Question

我正在做一個基於神經網絡的人臉識別項目，它包括在各種圖像上訓練系統。這是否意味着在各種圖像上訓練系統後，它可以識別人而不會從任何數據庫中匹配它？如果我們用全部角色來訓練我們的系統，是否可以在沒有任何進一步訓練的情況下識別新角色？

Answer 1

人臉識別涉及到您想爲系統提供圖像（新觀察的人臉）並將其與一組以前定義的圖像進行比較的情況。

該培訓將包括開發一個更好，更好地完成這項工作（即將新圖像與存儲的圖像匹配）的神經網絡。但是，即使在訓練之後，您仍然需要該組存儲的圖像。

如果你只對一張臉感興趣（例如你想要一個可以識別你的系統，但沒有其他人），那麼我想你可以訓練一個神經網絡來識別該圖像，然後圖像屬性將被「內置」到訓練的神經網絡中。但是，與培訓系統匹配數據庫，然後提供該數據庫相比，這看起來效率更低，效率更低。

或者你的意思是說你希望系統看到一個人，然後在他們再次看到他們時「知道」那個人？如果是這樣，那麼有效的方法是培訓系統以減少面對一組特徵，並將它們存儲在數據庫中供以後匹配。

Answer 2

在任何系統中使用神經網絡的基本思想是向系統傳授決策。如果我們希望我們的系統做出任何決定，它必須遵守一些規則。培訓神經網絡賦予系統作出決定的知識和能力。如果我們對每個主題有一組10幅圖像，我們可以使用6-7幅圖像進行訓練，剩下的則用於測試目的。 神經網絡的訓練有兩種類型：有監督和無監督。無監督學習是基於一些過去的知識，系統可以基於新的數據類型做出決定。它在訓練完成後確實不需要檢查任何數據庫。但是在監督式學習中，數據的類別是已知的，它只會識別它們。