模式识别
DX_dove
致力于计算机视觉的开发。
展开
-
模式识别-高维空间降维的重要性
今天上了一节模式识别课,老师讲了几个结论,关于高维空间降维的重要性:1.通过公式的推导(这里就不推导了),会发现高维度空间的体积主要分布在壳部和角部。2.随着维度的增加,体积(Vc(正方形),Vr(圆形))会迅速增加。这样的好处是在样本空间,样本的分布会非常稀疏,不易重叠,利于分类。 然后老师又说了一句话:对高维进行概率密度函数设计特别困难,设计分类器也很困难,所以降维是必须的。 这里的理解是,原创 2017-11-01 12:41:25 · 2957 阅读 · 0 评论 -
模式识别(5)K-L变换和PCA在人脸识别中的应用
这里简单总结下,人脸识别的一些理论基础。对图像的归一化: 旋转:从一个人的图像中截取下头部,对头部图像进行旋转,似的双眼保持水平。 剪裁:将双眼之间的距离变为图像的1/2,眼睛距离上边界的距离为0.5d, 放大缩小:将采集到的图片变为原来正方形,大小为128*128,或者其他D×D大小的图片。 灰度拉伸:增强对比度。 通过上面的几个步骤,一张采集到的面部图片就变为一张标准脸。对训练样本原创 2017-11-25 14:42:35 · 1920 阅读 · 0 评论