Photo album software的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

Photo album software進入發燒排行的影片

使用低量學習技術對人臉進行漸進式分類

為了解決Photo album software的問題，作者郭彥廷 這樣論述：

人臉識別及分類是人工智能的熱門研究課題，針對此課題已開發出許多高準確度的類神經網路系統。在給予大量訓練數據時，深度神經網路（Deep Neural Networks）的學習模型經常很成功。但對未知的類別只給予少數數量的數據時，即所謂的低量學習(Few Shot Learning，FSL）問題，目前還是極具挑戰，尚未有良好的解決方案。本研究的目的是設計一個智慧個人相簿(Smart Personal Photo Album)系統。該系統能用很少量的樣本照片來訓練出相當精準的人臉分類，並且能在輕量級硬體設備（例如手機）上運行。為此，我們收集研讀低量學習的文獻，並模擬比較最新的幾項元學習（Meta-

Learning）演算法，希望針對人臉，尋找設計出類別逐步增加(Class Incremental)的低量學習系統。為設計此智慧個人相簿，在挑選系統組成元件和選擇適當參數過程中，我們深入探討多個相關議題，例如基礎網路架構（ResNet或MobileFaceNet），損失函數（Softmax或ArcFace），負距離參數（在訓練和測試中的negative margin），學習率（指數衰減或餘弦波型）以及不平衡數據的訓練和測試。總結大量實驗的結果，本系統選擇MobileFaceNet作為特徵提取器(Feature Extractor)，以達成在輕量級硬體設備上運轉的目標。經過大量數據訓練出的離線

模型，能在工廠端預先安裝在商品設備上。接著，本系統能將工廠預先學習到的能力，擴充到使用者端，可以使用低量數據學習認識新的人臉。如何使用預設模型，經果少量新類別數據訓練，即可出有效推廣到新類別辨識，是一個難題。使用餘弦為基礎的損失函數（例如ArcFace）搭配負距離參數，似可提高若干特徵提取器的泛化(Generalization)能力。但是對於具有非常類似特徵的人臉，其性能改進幅度不大，同時它具有數個對未知類別頗為敏感且難以調整的參數。因而我們仍採用較簡單的Softmax損失函數。此外，我們提出三種方案來處理相簿中，不需要加以分類的人臉照片，即所謂的X類。我們透過大量實驗來了解這些方案的利弊。最

後，在本研究中，我們適度修改原本的Meta-Transfer Learning技術來實現智慧個人相簿系統。