Bobo老师机器学习笔记第七课-PCA在人工智能领域应用-特征脸

本文介绍了特征脸(Eigenface)的概念,作为机器视觉中人脸识别的一种方法。通过LFW人脸数据库获取数据,并使用PCA求得特征脸。特征脸是主成分的组合,前几个特征脸较笼统,后面的更具体,反映了识别过程。PCA的应用帮助理解人脸的线性组合和识别原理。
摘要由CSDN通过智能技术生成

问题1: 什么是特征脸?

特征脸(Eigenface)是指用于机器视觉领域中的人脸识别问题的一组特征向量,就是我们以前讲过的由前N个主成分组成的。

每一个特征脸代表了一个主成分。 如下图:X代表由m个人组成,提前脸上n个特征的矩阵。W(k)表示前K的主成分,每一行可以理解代表人脸的一个特征。所以叫特征脸。

问题2:如何获取人脸的数据库?

 我们采用LFW人脸数据库,LFW (Labeled Faces in the Wild) 人脸数据库是由美国马萨诸塞州立大学阿默斯特分校计算机视觉实验室整理完成的数据库,主要用来研究非受限情况下的人脸识别问题。 详细可以点击此处了解。我们利用sklearn中的方法进行加载。

from sklearn.datasets import fetch_lfw_people
faces = fetch_lfw_people()
print faces.keys()
print faces.images.shape
print faces.data.shape

['images', 'data', 'target_names', 'DESCR', 'target']
(13233L, 62L, 47L)
(13233L, 2914L

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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