c++人脸特征保存到本地_Week3 SVM应用人脸识别

本周学习SVM支持向量机

一.SVM总结

• 优点

模型只需要保存支持向量, 模型占用内存少, 预测快.

分类只取决于支持向量, 适合数据的维度高的情况, 例如DNA数据

• 缺点

训练的时间复杂度为 [ 3]O[N3] 或者至少 [ 2]O[N2], 当数据量巨大时候不合适使用.

需要做调参 C 当数据量大时非常耗时间.

二.人脸识别应用举例的执行过程：

1. 创建模拟数据集
2. 把数据集分类
3. SVM: 假想每一条分割线是有宽度的，在SVM的框架下, 认为最宽的线为最优的分割线Note: 与逻辑回归的区别是增加数据集并不影响分割线
4. 训练svm,使用线性SVM和比较大的C
5. 创建一个显示SVM分割线的函数note：非支持向量的数据, 对分割线没有影响只有支持向量会影响分割线, 如果我们添加一些非支持向量的数据, 对分割线没有影响
6. 使用SVM进行人脸识别(62*47像素的矩阵元素——>展平为一维向量，做特征提取）
7. 调参，寻找最佳c值
8. 使用训练后的svm做预测

三.与OpenCV实现人脸识别的比较PO一张自己家的开发板 ，Qualcomm DragonBoard410C