Immich 识别出大量误检的非人脸怎么减少【免费下载链接】immichHigh performance self-hosted photo and video management solution.项目地址: https://gitcode.com/GitHub_Trending/im/immich用 Immich 管理照片一段时间后Explore 页的人物列表里可能会出现明显不是人脸的条目雕塑、玩偶、海报、动物或者一张误检出的人只挂了零星几张图。这些误检通常来自两个阶段——人脸检测阶段把背景里的非人脸框了出来以及聚类阶段把这些框按相似度聚成了人。本文只处理非人脸被误检出来这一类问题在 Administration 后台调高检测分数与聚类密度参数重新跑任务后确认误检减少。先分清哪些参数管误检哪些不管Immich 的人脸处理分两步见 人脸识别文档Face Detection人脸检测把生成的预览图发给机器学习服务检测模型输出 bounding box 和分数。低于Minimum detection score的结果会被过滤掉。误检的源头主要在这一步——这个分数设低了背景里的非人脸也会被框出来。Facial Recognition人脸识别/聚类算法基于 DBSCAN 思路把相近的人脸聚成人。一个脸要成为核心点core point它周围一定距离内需要至少有Minimum recognized faces个相似脸否则它要等其余人脸都处理完后看能否挂靠到已有人上挂靠不上就成为离群点比如背景里的陌生人。注意两点后面会反复用到文档明确说明改完Minimum detection score后它只作用于新的人脸检测任务。要让已有资产用上新值必须对全部资产重新运行 face detection。FAQ 中问的是识别出很多不是人脸的脸对应答案就是本文主路径要调的Minimum detection scoreFAQ 里写作 MIN DETECTION SCORE和Minimum recognized facesFAQ 里写作 MIN FACES DETECTED。主路径改两个参数再重跑任务以下入口都在管理后台Administration Settings Machine Learning Settings Facial Recognition设置文档见 facial-recognition.md 的 Configuration 一节。1. 提高 Minimum detection score检测阶段滤掉误检文档建议不要低于 0.5设太低会引入难以处理、还会拖累人脸识别的误检。针对非人脸很多的情况FAQ 的官方建议是把检测分数提到 0.8。同时文档提醒不要设到 0.9 及以上——默认模型本身就偏向精确precision阈值太高会把很多真实人脸一起漏掉。FAQ 也提示分数设得过高时真实人脸可能被过滤掉多少取决于你的图库。改完这一步后去 Administration Jobs页面对全部资产重新运行 face detection见 Jobs and Workers。这是让新阈值覆盖已有资产的必要动作不是可选项。2. 调高 Minimum recognized faces聚类阶段少出稀有人物这个值是聚类里核心点的门槛文档说明它的两个作用立即生效人脸数少于这个值的人会直接不再显示Explore 页和详情视图都看不到。注意这是隐藏不是删除。让聚类更稳健要求一定密度避免松散关联的脸被串到一起。文档给出的参考如果你调大了 Maximum recognition distance 或调低了 Minimum detection score建议同步把这个值调高作为补偿。设为1会实质禁用核心点机制——适合想自己手动逐个分配、管理人脸的用户。在 FAQ 里调高它被描述为提高算法认定某张脸属于某个核心人脸的门槛以减少坏图被选中。3. 可选小幅降低 Maximum recognition distance只有当你的图库里有双胞胎或长相非常接近的人、误检/相似脸容易被聚到一起时才需要动这个值。文档建议不要低于 0.3也不要高于 0.7。阈值调太低后果是同一人被拆成多个人之后要手动合并调太高则可能产生无法挽回的聚类结果。文档总原则是参数做小幅调整即可除非你准备好多轮试验要把某个参数压得很严时可以放松另一个参数来补偿。4. 重新运行任务让新参数生效每改一轮参数后在 Jobs 页面重新运行 face detection新检测阈值生效的前提改了聚类参数后对未分配的人脸排队Facial Recognition → Missing模式或按文档对全部资产重跑一次人脸识别——文档指出对全部资产重跑人脸识别时才等同于完整的 DBSCAN 式重新聚类。验证与常见现象判断改完参数、任务跑完后到 Explore 页确认非人脸条目是否减少人脸数低于新 Minimum recognized faces 的条目应当不再显示。如果误检变少了但真实人脸也开始漏检说明 Minimum detection score 已经压得偏高文档预期中的副作用往回调一些。如果同一人被拆成多个人通常是 Maximum recognition distance 调得太低文档给出的处理方式是把重复人合并人物详情页 app bar 里提供 Merge 操作。文档还提到一种情况如果你不是一次性导入全部资产、或服务器处理任务的速度一直快于你的上传速度聚类从一开始就可能不理想。此时如果对现有结果还没投入整理成本对全部资产重跑一次人脸识别是更好的起点已经整理过的话也可以手动为一批未分配人脸指定所属人再排队 Facial Recognition 的 Missing 任务帮助算法自动分配更多人脸。大图库的进阶选项图库很大文档给出的参考量级是 4 万张以上、10 万张以上、且误检和聚类混乱并存时可以参考 Better Facial Recognition Clusters 的重聚类流程先把 Minimum recognized faces 临时调到很高的值大库 20、中型库 10并 Reset Facial Recognition再分两步降回 10、3 跑 Missing 模式。需要注意该指南的明确警告这套方法会删除所有已分配的人物名称操作前要先按 备份文档 做数据库备份。只在确认愿意放弃现有命名、重新聚一次时使用它只是想压掉误检的话前面两步参数调整就够了。【免费下载链接】immichHigh performance self-hosted photo and video management solution.项目地址: https://gitcode.com/GitHub_Trending/im/immich创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考