PCA降维：简易人脸识别模型

已于 2023-04-05 13:11:00 修改
阅读量3.9k 收藏 5
点赞数 3
分类专栏： PyTorch深度学习项目实战100例 文章标签： 人脸识别 人工智能 python java
于 2021-02-11 19:18:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47256162/article/details/113791502
版权

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

一、案例实战：简易人脸识别模型

1、✌ 导库

# 文件目录相关库
import os
# 图片操作库
from PIL import Image
# 导入近邻模型
from sklearn.neighbors
了解本专栏 订阅专栏 解锁全文
海洋 之心
关注
  • 3
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
专栏目录
订阅专栏
python机器学习PCA降维：简易人脸识别模型
sybh的博客
10-09 147
数据集:链接: https://pan.baidu.com/s/1V_O9fW8jUTwtpgeVb7cSmg 提取码: 7sjx。
三色图的PCA，python实现
03-05
本文是一个python文件，用于将图片进行主成分分析，由彩色图转换为主轴灰度图。便于深度学习。AlexNet论文里面的图片主成分分析
PCA降维后利用特征脸空间进行人脸识别
03-31
利用PCA方法进行人脸识别，并且对给出的样本图片利用训练后的特征脸空间进行重建，并且比较了重建图像与真实图像之间的误差
Python实现PCA降维和KNN人脸识别模型(PCA和KNeighborsClassifier算法)项目实战
胖哥真不错的博客
09-27 5853
Python实现PCA降维和KNN人脸识别模型(PCA和KNeighborsClassifier算法)项目实战
什么是PCA降维？
最新发布
...
05-31 610
使用PCA（主成分分析）作为例子，来详细介绍降维的具体步骤。
基于PCA的人脸识别
热门推荐
fish_dream
06-15 3万+
基于PCA的人脸识别（MATLAB实现）
基于PCA的图像降维及图像重构
Sirius小狼的博客
09-23 2万+
实例链接：https://download.csdn.net/download/u010801439/10450210 1 PCA简述 PCA（Principal Component Analysis）主成分分析算法，在进行图像识别以及高维度数据降维处理中有很强的应用性，算法主要通过计算选择特征值较大的特征向量来对原始数据进行线性变换，不仅可以去除无用的噪声，还能减少计算量。 2 算法过程 ......
【python with DS】特征工程降维PCA原理、两种方法实现及交互图像的绘制方法
Mart_inn的博客
08-19 911
特征工程降维PCA原理、两种方法实现（sklearn与numpy） 及交互图像的绘制方法
Python利用PCA压缩图片
qq_33934427的博客
03-11 3644
Python利用PCA压缩图片 参考 Python利用PCA对图片进行降维处理 PCA降维 维度 样本数 feature数 1、python代码实现PCA 这里先将1280的1D向量转变成2D图片之后，再进行PCA降维处理（但是这么做不是很科学，因为转2D后，同一列的数据实际含义是不同的） from sklearn.decomposition import PCA '''PCA对图像进行压缩''' #参考 https://blog.csdn.net/u010687164/article/details
PCA 图像融合 matlab+ python
qq_41730491的博客
02-08 2160
PCA 图像融合 matlab
基于PCA降维算法的人脸识别matlab仿真【包含程序操作录像】
04-26
PCA人脸识别是一种常用的特征提取方法，其基本原理是利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。 4.注意事项：注意MATLAB...
【项目实战】使用opencv基于PCA降维算法的人脸识别项目教程（含资料和源码）附B站视频讲解
02-25
【项目实战】使用opencv基于PCA降维算法的人脸识别项目教程，非常适合练手的小项目 1、资料及源码 2、所需模板图片 3、B站视频地址：https://www.bilibili.com/video/BV1Ka4y1i7mS/
torch-decomposition:使用 Torch7 进行成分分析（PCA、Whitened PCA、LDA、LPP、NPP、FastICA）
06-23
Torch7的分解模块 主成分分析 (PCA) 白化主成分分析 (W-PCA) 线性判别分析 (LDA) 局部保护投影 (LPP) 邻里保护预测 (NPP) 快速独立分量分析 (FastICA) 约翰-亚历山大·阿塞尔 安装 克隆此存储库或下载源代码。 用法 调用decomposition = require "decomposition" ，然后是以下任何一项： decomposition.pca(x) , decomposition.lda(x, y) , decomposition.lpp(x) , decomposition.npp(x) , decomposition.fastica(x) 。 或者，您可以使用 iTorch notebook 并打开decomposition.ipynb 。 贡献 叉它！ 创建您的功能分支： git checkout
Python-PCA降维人脸识别，已包含yale数据库
08-20
本人在https://blog.csdn.net/u010006643/article/details/46417127博客上看到的，奈何数据库没有，本人结合网上流传的数据库yale,写下了可以运行得出结果的PCA降维，人脸识别程序，特别适合numpy和PCA学习。...
基于PCA降维特征提取的人脸识别算法matlab仿真,输出识别率以及错误识别人脸图片+代码仿真操作视频
07-06
2.内容：基于PCA降维特征提取的人脸识别算法matlab仿真,输出识别率以及错误识别人脸图片+代码仿真操作视频 3.用处：用于基于PCA降维特征提取的人脸识别算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行...
使用sklearn PCA主成分分析对图像特征进行降维
xiongxyowo的博客
12-19 3311
本文是利用Python K-means实现简单图像聚类的后续分析。 上文我们提到过，利用ResNet可以进行图像特征的抽取，进而帮助我们去进行聚类。但是其实这里面有个问题，拿resnet提取到的特征高达114688维，如果样本数量上去来的话，会变得非常耗时。 容易想到，那么多维特征，并不是每种特征都"有用"，那么这个时候就可以对图像的特征进行一定的降维，这里我们使用PCA进行处理： pca = PCA(n_components=10) all_images = pca.fit_transform(all_i
【Python】使用sklearn PCA对人脸数据降维
qq_40876059的博客
07-28 7126
【python】sklearn PCA对人脸数据降维与识别1. PCA1.1 PCA原理1.2 sklearn PCA使用方法2. 人脸数据降维2.1 读取图片2.2 使用PCA进行降维参考文献 1. PCA PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。 1.1 PCA原理 PCA算法步骤是从原始的空间中顺序
案例▍自己动手构建一个人脸识别模型----看她是否认识您
36大数据
02-28 1848
实战案例题图来自Google 作者|飞谷云 编辑|蓝莓可乐CNN实例--人脸识别广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位或...
吴恩达机器学习作业Python实现(七)：K-means和PCA
在无人问津的日子里默默努力
09-17 1195
K-means算法是一种将相似的数据自动聚类的方法，具体来说，给你一个训练集，并希望将数据分组为几个内聚的簇，其背后是一个迭代的过程，从猜测初始的质心开始，然后通过反复将样例分配到它们最近的质心来改进这个猜测，然后根据分配重新计算质心。在本练习中，您将会使用K-means算法实现并用于图像压缩，首先从一个2D数据集开始，帮助你对K-means算法的工作原理建立直观认识，之后再运用到图像压缩上，方法是减少图像中出现的颜色的数量，只保留图像中最常见的颜色。在计算主成分之后，可以使用它们来减少数据集的特征维数。
pca降维:简易人脸识别模型
04-30
PCA是主成分分析的英文缩写，它是一种常用的数据降维方法。在简易人脸识别模型中，PCA可以被用来提取图像中的主要特征，从而实现对人脸的识别。 在使用PCA进行降维时，首先需要将图像数据转化为矩阵形式。然后，通过计算矩阵的协方差矩阵，可以得到主成分方向。这些主成分方向对应的特征值越大，表示这些方向所代表的特征对于图像的信息提取越重要。 在识别人脸时，我们可以通过计算测试图像和训练数据集中每张图像的主成分方向的投影，来得到它们在主成分空间中的分布情况。然后，可以通过对比测试图像在主成分空间中的分布和已知人脸图像在该空间中的分布来判断测试图像所属的人脸类别。 需要注意的是，在实际使用中，我们往往需要对矩阵进行一些预处理，比如减去均值、归一化等，以提高PCA的识别准确率。另外，PCA也存在一些缺陷，比如对非线性的数据处理能力较弱等，因此在实际应用中需要根据具体情况选择合适的算法。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

海洋 之心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值