改善 Immich 的人脸识别聚类

目的

本指南说明如何优化拥有大量图片的图库中的人脸识别。按照下面的步骤操作，可以改善人脸聚类，减少手动合并人物的工作。

注意事项

• 适用场景：已经导入大量图片的大型图库。
• 警告：此方法会删除此前为人物分配的所有姓名。
• 操作前务必先备份！

操作步骤

目标

改善人脸聚类，并让模型根据质量较好的初始数据有效识别人脸。

1. 调整机器学习设置

进入：管理员（Admin）→ 管理（Administration）→ 设置（Settings）→ 机器学习设置（Machine Learning Settings）。

修改以下设置：

• 最大识别距离（Maximum recognition distance，可选）：如果图库中存在面部特征相似的人，可以降低此值，例如设为 0.4。
• 最少识别人脸数（Minimum recognized faces）：先将此值设得较高。例如，资源数量约为 10 万以上的大型图库设为 20；资源数量约为 4 万以上的中型图库设为 10。

较高的值可以确保初始聚类仅包含在图库中出现至少指定次数的人脸。例如设为 20 时，仅把出现至少 20 次的人脸纳入聚类，从而改善初始聚类过程。

2. 运行重置任务

进入：管理员（Admin）→ 管理（Administration）→ 设置（Settings）→ 任务（Jobs）。

执行：人脸识别（FACIAL RECOGNITION）→ 重置（Reset）。

重置任务会根据新的设置重新构建识别模型。

3. 降低阈值，进一步完善识别

重置任务完成后，按以下步骤继续优化识别结果。

第一步：回到机器学习设置中的最少识别人脸数，将其降低到 10。对于中型图库，则从 10 降到 5。

运行：人脸识别（FACIAL RECOGNITION）→ 缺失（MISSING）模式。

第二步：再次降低此值，设为 3。

再次运行：人脸识别（FACIAL RECOGNITION）→ 缺失（MISSING）模式。

尝试不同的数值

对于资源数量更多或更少的图库，不同设置的效果可能更好，也可能更差。建议先尝试不同数值，找出最适合自己图库的设置，再为人物分配姓名。

来源：Better Facial Recognition Clusters，Immich 项目及贡献者；原页更新日期为 2026 年 9 月 28 日。本文为中文翻译，保留原文的操作顺序、示例阈值和重置警告。

Immich 以 GNU AGPL v3 发布；本文翻译沿用该许可。可取得本文对应的原始文档源码。原作按许可规定不提供保证。