Détection de motifs de type face à l'aide d'un détecteur de visage basé sur CNN

Question

J'ai un détecteur d'objets basé sur CNN entraîné sur l'ensemble de données de visage WIDER. Il peut détecter avec succès des visages humains dans une image donnée. Maintenant, j'essaie de détecter des visages abstraits et des motifs de visage minimalistes dans les nuages, les maisons, etc., mais sans succès. Au début, je pensais que les détecteurs d'objets basés sur les réseaux neuronaux seraient généralisés d'une manière ou d'une autre et que je pourrais abaisser le seuil de détection pour détecter de tels modèles, mais un tel schéma n'a pas fonctionné.

Existe-t-il d'autres moyens que de collecter et d'étiqueter de tels exemples d'entraînement (modèles de type face) pour résoudre ce problème?

Answer 1

Le problème mentionné est trop large. Quels effets ou critères avez-vous pour les «schémas de visage minimalistes»? Qu'est-ce qui définit un visage - certaines caractéristiques dans certaines relations spatiales les unes par rapport aux autres? Vous devrez déterminer un bon point de départ pour décrire les fonctionnalités et les relations. Vous vous êtes bien débrouillé avec votre expérience - en relâchant le seuil de reconnaissance - mais vous avez découvert que votre modèle entraîné avait des critères différents des vôtres.

Je vous recommande de travailler sur la détermination de vos critères. Si vous ne pouvez pas fournir de critères clairs, vous devrez peut-être collecter et étiqueter des exemples spécifiques. Vous devrez peut-être faire ceci même si vous faites spécifiez les critères, mais en ayant ces spécifications, vous pourriez vous diriger vers un ensemble plus petit et plus clair de cas de formation.

Vous pouvez également écrire vos propres méthodes de reconnaissance et les inclure dans le code du modèle.