如何下载这么多不同的图像？由于手动下载所有人的图片非常困难，有没有办法自动化它？

首先，您需要了解您的分类器将如何分类，它将分类可变大小的图像还是固定大小的图像？它会只接收一张脸还是多张脸？它会对黑白图像进行分类还是对多个通道进行分类？它将是多输出分类器还是单输出分类器？

在开始之前，您必须回答这个问题和其他问题。根据后面的问题，您必须从不同的来源或以不同的方式获取数据。您可以搜索已经收集和组织并适应数据集的图像的数据集，而不是思考这些问题，Kaggle有很多公共数据集。自己收集训练数据可能是一件繁琐的工作，如果你需要数千个样本，我建议你制作一个数据挖掘应用程序，通过不同的页面爬取并自动下载图像，但你必须小心不要违反任何隐私法。

我正在使用 Fast.ai，我们需要为每个玩家制作不同的课程。我应该如何为这么多玩家制作不同的课程？

现在您拥有干净整洁的所有数据，您必须对图像进行分类。使用深度神经网络对图像进行分类的方法有很多，您可以使用简单的前馈神经网络或递归神经网络，但最常用的也是我推荐的一种是卷积神经网络。如果你没有很多图像分类经验，我建议你从一个更简单的项目开始，比如 MNIST 数据集，它由手写数字的黑白图像组成，这样你就可以练习不同的超参数并进行更好的实验，而不是从如此雄心勃勃的分类任务开始。无论哪种方式，要将图像分类为多个输出，您必须在神经网络中添加最后一层，其中隐藏神经元的数量等于要区分的类别数量，那么您应该向该层添加一个 softmax 激活函数。最后，为了让模型学习，您应该使用分类交叉熵损失/成本函数。

我不知道我是否回答了您的问题，所以请不要犹豫告诉我或提出更多问题。

无论哪种方式，很高兴提供帮助

完成人脸识别的一种方法是使用一次性学习和连体网络。您只收集了一个您想要识别的面孔示例。然后，您训练两个具有共享参数的 CNN，每个 CNN 能够编码一张图像。然后你将这两种编码输入到可以测量它们之间相似性的东西上，并将其与基本事实（是否是同一个人的照片）进行比较。

图片来自 Andrew Ng 的深度学习课程，您可以在其中实现人脸识别：

所以你训练网络有时给它两张同一个人的照片，有时给它不同人的照片。

当siamese网络被训练时，它可以用来建立一个所有玩家的编码数据库，当你得到一张新图片时，你会搜索这个数据库，直到找到给你最好的相似度分数的那个。

有许多方法可以以不同的难度和性能水平来实现这一点。这是一个非标准问题，因此它会比常规图像分类更难一些。我会给你一些参考：

即用型解决方案：

pip face_recoginition包

文件：

有区别地学习相似度度量并应用于人脸验证

DeepFace：缩小人脸验证与人类水平性能的差距

教程：

在 PyTorch 中使用连体网络一次性学习 - 第 1 部分

在 PyTorch 中使用连体网络一次性学习 - 第 2 部分

使用 Keras 的连体网络一次性学习

BeautifulSoup 网页抓取简介

培训班

Andrew Ng 的 CNN 课程，这里是一个关于连体网络的示例视频