特征脸方法中的权重

Question

1）在eigenface方法中，特征脸是来自不同面的元素的组合。这些元素是什么？

2）输出面是由不同权重的不同特征脸组成的图像。特征脸的权重究竟意味着什么？我知道权重是图像中特征脸的百分比，但它究竟意味着什么，是指所选像素的数量？

Answer 1

请研究PCA，以了解当PCA应用于图像时特征脸的物理意义。答案在于理解与PCA相关的特征向量和特征值。

Answer 2

• 特征脸是基于主成分分析
• 主成分分析法确实降维和训练图像找到独特的功能和从人脸图像
• 消除了类似的功能通过让独特的功能，我们的识别任务得到简单
• 通过使用PCA你计算的特征向量为你的脸图像数据
• 从这些特征向量计算你每天的训练科目的特征脸或者你可以说计算的特征脸对每类数据
• 所以，如果你有9类，然后特征脸的数量将是9
• 的重量通常意味着多么重要的事情是
• 在特征脸重量特定特征脸是一个载体，它只是告诉你有多重要特别是本征脸是促进了MeanFace
• 现在，如果你有9个特征脸，然后对每个特征脸，你会得到完全一个权重向量，这将是N维的，其中N为特征向量
• 的数量，以便在一个每一个元素了N个元素权重向量会告诉你特定的特征向量对于相应的EigenFace有多重要
• 在特征脸的面部识别是通过比较训练图像的权重，并用某种距离函数的
• 您可以参考此github上链路测试图片进行：https://github.com/jayshah19949596/Computer-Vision-Course-Assignments/blob/master/EigenFaces/EigenFaces.ipynb
• 以上链接的代码是一个很好的载入文件代码如此如果您知道基本知识，您将了解代码