我一直在使用OpenCV进行一些人脸检测工作。我完成了一些项目——其中一个使用了预构建模型进行人脸检测。其他的项目则不同，我收集自己的图像并训练自己的模型。当我进行后者时，通常使用的数据集比用于人脸训练的数据集要小得多。

在我的面部识别器中，许多我常见的人脸由于一些特殊属性（如口罩、帽子、护目镜、眼镜等）而无法正确检测。因此，我想重新训练我自己的模型——但是获取巨大的“标准”数据集，并将我的图像添加进去可能需要非常长的时间。

所以问题是：有没有一种方法可以从一个现有的模型（XML文件）开始，以某种方式运行训练器，只需添加我的图像？

回答：

这被称为“迁移学习”。TensorFlow（Keras）对这种方法有大量的支持。其基本原理是采用一个预先存在的模型和预先存在的权重，“冻结”某些层的权重，在现有层之上或之下添加新层，然后只重新训练未冻结的层。

它不能直接用于“继续”学习，但可以用来在训练中添加额外的东西——对于新的方面（例如，可能会像我在最初的问题中提到的，向已经训练好的未戴口罩的人的模型中添加戴口罩的人）