bima2015的博客

1、人脸识别的相关介绍 （1）流程：人脸图像采集     人脸检测     人脸关键点定位     特征提取      分类器（人脸比对）。 （2）特征提取阶段的区别： DL之前：主要采用通过Gabor、LBP、SIFT等方法人工提取的局部特征，然后使用PCA等方法进行特征转换。 DL时代：使用多层卷积自动提取更加抽象的特征。 （3）人脸数据库 受控数据库：ORL、AR等。 非受控数

概念： 通过构造一个分类函数或分类器的方法，该方法能把数据库中的数据项映射到给定类别中的某一个，从而可以用于预测未知数据。 **全名：**Support Vector Machine（支持向量机） 支持向量：支持或支撑平面上把两类类别划分开来的超平面的向量点。 机：一个算法 SVM是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的

我们把所有样本点中间隔最小的那一点的间隔定为1，也就意味着集合中的其他点间隔都不会小于1，于是不难得到有不等式： yi[<w,xi>+b]≥1 (i=1,2,…,l)总成立。 于是上面的问题便转化成了求条件最优化问题： 下面添加一个简单的例题来说明一下理想情况下的解题思路: 对于以上所述的SVM，处理能力还是很弱，仅仅能处理线