Bewährte Praktiken für die Ausbildung von Gesichtsmodellen
Die Erkennungsleistung von Find My Kids hängt direkt von der Qualität des Trainingsdatensatzes ab. Das System benötigt eine hierarchische Verzeichnisstruktur zum Speichern der Kinderfotos, wobei jedes Unterverzeichnis einem Kind entspricht (z. B. images/trainer/Kid1). Experimentelle Daten zeigen, dass die Erkennungsgenauigkeit 87% erreichen kann, wenn jedem Kind 5 Frontalfotos unter verschiedenen Beleuchtungsbedingungen zur Verfügung gestellt werden, und die Genauigkeit verbessert sich auf 93%, wenn die Anzahl der Fotos mit Seitenansichten auf 10 erhöht wird.
Die vom Projekt bereitgestellte Weboberfläche enthält eine intelligente Trainingsfunktion: Nachdem der Nutzer ein Bild hochgeladen hat, wird die Aktualisierung des Modells durch Anklicken der Schaltfläche "Re-Train" ausgelöst. Das System verwendet den MTCNN-Algorithmus im Hintergrund für den Gesichtsabgleich und extrahiert dann 512-dimensionale Merkmalsvektoren mit Facenet. Diese Vektoren werden in einer speicherinternen Datenbank für Echtzeitvergleiche gespeichert.
Es sei darauf hingewiesen, dass die Qualität des Bildes einen erheblichen Einfluss auf die Erkennungsergebnisse hat. Es wird empfohlen, Bilder im JPEG-Format mit einer Auflösung von mindestens 640×480 zu verwenden und Gesichtsverdeckungen über 70% hinaus zu vermeiden. Im Systemprotokoll werden detaillierte Informationen zu jedem Erkennungsfehler aufgezeichnet, um den Benutzern die Optimierung des Trainingsdatensatzes zu erleichtern.
Diese Antwort stammt aus dem ArtikelFind My Kids: Tool zur Überwachung der Kindersicherheit durch Gesichtserkennung und WhatsApp-BenachrichtigungenDie
