人脸识别--Open set和Close set的区别

最新推荐文章于 2024-11-25 19:38:43 发布

原创

最新推荐文章于 2024-11-25 19:38:43 发布 · 1w 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#人脸识别

本文探讨了人脸识别中Open-set和Close-set的概念。Close-set是指测试集中的样本在训练集中都出现过，预测直接给出身份ID；而Open-set则允许测试样本未在训练集中，预测结果为特征向量，通过比较特征向量距离判断是否同一人。这种区分可类比为考试中的已知考点与未知考点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本博记录为卤煮理解，如有疏漏，请指正。转载请注明出处。

卤煮：非文艺小燕儿

本博地址：人脸识别--Open set和Close set的区别

训练和测试人脸识别分类器时，总会提到Open-set和Close-set。这俩词到底是什么概念呢？有什么区别呢？

所谓close-set，就是所有的测试集都在训练集中出现过。所以每次的预测直接得出测试图

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

非文艺小燕儿_Vivien

关注关注

15
点赞
踩
20

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

open-set recognition(OSR)开集识别

kuxingseng123的博客

11-24

6920

先大致了解是干什么的，然后再慢慢开始研究OSR，争取把其完全搞透彻，搞彻底再说的样子与打算。

【读点论文】OPEN-SET RECOGNITION: A GOOD CLOSED-SET CLASSIFIER IS ALL YOU NEED?找个更好的闭集分类器，使用logits进行分类，有用？

白水空空

05-16

903

本文探讨了开集识别（OSR）任务，提出了一种通过提升闭集分类器性能来增强OSR能力的方法。研究发现，闭集分类器的准确性与开放集性能高度相关，表明更好的闭集分类器能够更可靠地区分已知和未知类别。作者通过改进闭集训练策略，如更长的训练时间、更好的数据增强、标签平滑和余弦学习率调度，提升闭集分类器的准确性，并将开放集检测的评分规则从最大软max概率改为最大对数几率（MLS），以利用未归一化的原始输出信息。实验结果表明，这种简单的基线方法在许多OSR基准上达到了最先进的水平，甚至超越了复杂的OSR方法。

2 条评论您还未登录，请先登录后发表或查看评论

Open set和Close set

Yuyiin

10-21

966

原文链接：https://blog.youkuaiyun.com/fuwenyan/article/details/77769224 close-set，就是所有的测试集都在训练集中出现过。所以每次的预测直接得出测试图片的ID，如果想测试两张图片是不是同一个人，那么就看这两张图片的预测结果是不是相同的ID。一个形象的例子就是，如果把训练集看做教科书，测试集看做考试的话，那么就是考点都在教科书中。 open-s...

compact set（紧集）、close set（闭集）、open set（开集）

liuwenyou的博客

10-16

8128

open set：(开集）：实数空间R中的开区间都是开集（a,b) 空集是开集实数空间R中的无限开区间半开半闭区间、无限闭区间都不是R中的开集 (a,b], ...

Open Set

cocoonyang的专栏

08-23

1255

Open Set Open sets can be formalized with various degrees of generality[1]. From the point of view of topology, the open sets can be almost anything. Geometrically, open sets have a little bit of sp

opencv人脸识别-海康网络摄像头

caomushi的博客

04-10

953

根据环境下载匹配的包，执行下载文件自动解压出环境文件，在path环境变量中添加路径：D:\workSoft\opencv\build\x64\vc14\bin。一般来说简易应用只要到识别对比成功就结束了，web端不适合做快速、准确出结果的识别，本身接口交互就会耗费很多时间，一般都是在嵌入式移动端设备上进行操作。ps：高版本的管网jar中只有基础方法，功能比较全的jar包可以通过管网源码编译生成或者网上下载。ps：识别的人脸图片可能受环境影响，有可能会将环境误识别为人脸。JFrame测试代码。

人脸识别--翔云API

lijianhua003的博客

08-22

401

进入翔云官网购买人脸识别的接口，得到一个key和secret，我们要用到这两个参数才能访问到人脸识别的网址。的编码方式之一，Base64编码是从二进制到字符的过程，可用于在。Base64是网络上最常见的用于传输8Bit。环境下传递较长的标识信息。

虹软人脸识别 - ArcFace Go应用套件接入说明

qq_40110356的博客

01-18

1814

本帖最后由一二三亖于 2020-7-23 09:43 编辑昨天看了虹软的发布会，得知应用套件要开源了，晚上看到在官网上线了，随后下载下来打算试一试。但是运行工程的过程中，它报错了。。。查看错误信息，说的是缺少类（详细说明看下方）咨询了下虹软小助手，表示这两个类确实是需要自己实现的晚上加班把这个做出来了，不得不说虹软开放了应用套件，确实省去了很多研发时间，当天晚上就跑通了下面把类实现分享在这里，给有需要的人做个参考。。导航： – 获取ArcFaceGo包 – 运行ArcFaceGo工程 – 安

人脸识别-倍加信梯控控制

HGJ515的博客

08-20

761

门禁，梯控开发串口协议文档 .术语约定 1. D0,D1,D2,D3....D7,表示数据的每1位 2. int8, Int8=有符号8bit数据; uint8, UInt8=无符号8bit数据 3. int16, Int16=有符号16bit数据; uint16, UInt16: 无符号16bit数据 4. int32, Int32:有符号32bit数据; uint32, UInt32:无符号32bit数据 5. 未指定系统的表示门禁和梯控都是通用 6. 串口波特率57600，数据位8，停止

OPEN-SET 详细学习

qq_42854305的博客

10-31

594

Openset强调的不仅仅是训练模式或数据集某一方面，而是涉及到训练和测试过程中类别信息的处理方式以及分类器设计理念等多个层面的综合概念。

开集(Open Set)、闭集(Closed Set)和紧集(Compact Set)

热门推荐

李宏宗的博客

10-07

3万+

开集假设X是一个集合，如果存在一系列X的子集合满足下面的条件，那么每个这样的子集就称为X的一个开集，X称为拓扑空间。空集和X为开集；有限多个开集之交为开集（无穷多个开集的交集未必是开集）；任意多个开集之并为开集。 ...

人脸识别中的open-set（开集）与close-set（闭集）

张*#的博客

03-06

4834

人脸识别可以分为face verification和face identification，前者是给定两张人脸，判断是否是同一个人;后者是给定一张人脸，判断他是人脸库中的哪个人。然后看看sphereface中的这张图： close-set就是我们用来测试的人脸全部都是train set 里的人，不会出现训练集之外的人。这种情况下，训练人脸识别模型就相当于训练分类模型，我们只需要能够很好的对训练...

开集识别(open-set)算法（1）

IMWTJ123的博客

08-31

1万+

所有内容基于目标识别一、开集识别对于一个特定的识别问题，常用的识别方法是闭集识别（支持向量机分类器(SVM)、K-近邻分类器(KNN)、最大相关系数分类器(MCC)以及自适应高斯分类器(AGC)），即假定输入的待测样本一定属于已知的数据库。但在实际作战环境中，测试样本中常常含有未知样本，如果继续使用闭集识别系统，系统将错误地将来自未知类的测试样本识别为属于已知闭合集类之...

Open-Set目标检测算法的原理与实践

淘系技术

11-25

1402

在深度学习领域，目标检测算法用于识别和定位图像中的特定对象，是计算机视觉中至关重要的任务。然而，传统的目标检测算法只能在有限类目的数据集上进行推理，这是因为训练集中的类别是有限的，推理时也只能识别这些有限的类目，限制了其应用范围。因此，我们需要使用开放集（Open-Set）检测技术，开放集检测可以在推理过程中识别训练时未被见过的类目。为了丰富交互方式，我们还将采用视觉定位（Visual Groun...

人脸识别-数据集：Open-set、Close-set区别

u013250861的博客

08-18

646

Open-set，就是测试的图片并没有在训练集中出现过，那么每张测试图片的预测结果是特征向量，如果想要比较两张图片的人脸是否属于同一个人，需要测试图像特征向量的距离。Close-set，就是所有的测试集都在训练集中出现过。所以预测结果是图片的ID，如果想要测试两张图片是否是同一个，那么就看这两张图片的预测ID是否一样即可。...

深度学习中，什么是open-set？

985小菜鸡

05-19

1581

open-set 问题在深度学习中是一个重要的研究方向，因为它反映了许多实际应用中的现实需求。模型不仅需要对已知类别进行准确分类，还需要具备识别和处理未知类别的能力，这对于提高模型的鲁棒性和适应性至关重要。

（一）开集识别学习 open-set recognition(OSR)

猿猿的小仓库

11-10

3392

因近期要学习并且将Openset的思想融入项目中，所以这里学习了大神的几篇文章。希望后续能够很好的复现并且得到理论支撑。系列转载自： https://blog.youkuaiyun.com/herr_kun/article/details/107354501 1、开集识别学习路径开始根据自己的遇到的情况进行查询，发现开放长尾识别问题中的开放问题就是目前自己遇到的问题，下面这张图很清晰的展示常见任务的划分标准，后续查询到了自己遇到的问题可以更为具体的归属为开集识别的问题，所以后续一直查询开集识别的一些.

open ball、closed ball 与 open set、closed set（interior point，limit point）、dense set

04-25

1万+

在拓扑学上，open set（开集）是对实数轴（real line）上开区间（open interval）的拓展。红色圆盘，蓝色圆圈红色点集即为一种 open set，蓝色点集则为 boundary set，红色点集和蓝色点集的并构成

qt人脸识别

最新发布

06-28

在使用 Qt 进行人脸识别开发时，可以结合多种技术方案实现目标。Qt 本身提供了图形界面和信号槽机制的支持，而人脸识别的算法和逻辑处理则需要依赖外部库或 API 接口。 ### Qt 实现人脸识别的方法 1. **基于百度 AI 的人脸识别** 可以通过调用百度 AI 开放平台提供的人脸检测与识别接口完成任务。这种方式不需要本地训练模型，而是通过网络请求将图像数据发送至云端进行分析并获取结果。 - 需要先注册百度云账号，并创建应用获取 `Access Token`。 - 将人脸图像进行 Base64 编码后，通过 HTTP POST 请求提交给百度 AI 接口。 - 解析返回的 JSON 数据，提取出识别结果并在 Qt 界面中展示[^1]。 2. **基于 OpenCV 的本地人脸识别** OpenCV 提供了专门用于人脸识别的模块 `face`，其中包含了三种主流方法： - EigenFaceRecognizer（基于 PCA） - FisherFaceRecognizer（基于 LDA） - LBPHFaceRecognizer（局部二值模式直方图）在 Qt 中集成 OpenCV 后，可以使用这些算法进行本地训练与识别。例如： ```cpp Ptr<face::LBPHFaceRecognizer> model = face::LBPHFaceRecognizer::create(); model->train(images, labels); model->save("MyFaceLBPHModel.xml"); ``` 上述代码展示了如何创建、训练并保存一个 LBPH 模型，可用于后续的人脸识别任务[^2]。 3. **结合 Qt 和第三方库（如 Dlib）** 如果对识别精度和速度有更高要求，也可以引入其他高性能人脸识别库，如 Dlib 或 FaceNet，并将其与 Qt 集成。Dlib 支持深度学习模型，适合复杂场景下的人脸识别需求。 4. **工程结构与依赖配置** 在 Qt 工程中实现人脸识别功能，通常还需要链接多个第三方库，包括但不限于： - `OpenCV`：用于图像处理和识别算法 - `CURL`：用于网络请求（如对接百度 AI） - `OpenSSL`：用于 HTTPS 加密通信 - `Crypto++`：用于数据加密解密操作工程 `.pro` 文件应包含类似如下内容以正确链接库文件： ``` LIBS += -lopencv_core -lopencv_imgproc -lopencv_highgui \ -lcurl -lssl -lcrypto ``` 5. **核心代码示例** 下面是一个简化的 Qt 网络请求示例，用于上传图像并接收百度 AI 返回的人脸识别结果： ```cpp QNetworkAccessManager *manager = new QNetworkAccessManager(this); // 图像转 Base64 QByteArray imageData; QFile file("face.jpg"); if (file.open(QIODevice::ReadOnly)) { imageData = file.readAll().toBase64(); file.close(); } QJsonObject json; json["image"] = QString::fromLatin1(imageData); json["image_type"] = "BASE64"; json["group_id"] = "user_group"; QJsonDocument doc(json); QByteArray data = doc.toJson(); QNetworkRequest request; request.setUrl(QUrl("https://aip.baidubce.com/rest/2.0/face/v3/search?access_token=your_token")); request.setHeader(QNetworkRequest::ContentTypeHeader, QVariant("application/json")); QNetworkReply *reply = manager->post(request, data); connect(reply, &QNetworkReply::finished, [=]() { if (reply->error() == QNetworkReply::NoError) { qDebug() << reply->readAll(); } else { qDebug() << reply->errorString(); } reply->deleteLater(); }); ``` 此段代码演示了如何将图像编码为 Base64 并通过 HTTP POST 请求上传至百度 AI 接口[^1]。 ---