特征脸方法中的权重

Question

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

2）输出面是由具有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？我知道重量是图像中特征面的百分比，但它究竟意味着什么，是指所选像素的数量？

Answer 1

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

Answer 2

• EigenFaces基于主成分分析
• 主成分分析减少维数并在训练图像中找到独特的特征，并从脸部图像中删除相似的特征
• 通过获取独特功能，我们的识别任务变得更加简单
• 通过使用PCA，您可以计算脸部图像数据的特征向量
• 从这些特征向量中，您可以计算每个训练对象的EigenFace，或者您可以说为数据中的每个类计算EigenFace
• 所以如果你有9个班级，那么EigenFaces的数量将是9
• 重量通常意味着什么是重要的
• 在EigenFaces中，特定EigenFace的权重是一个向量，它只是告诉你特定的EigenFace在贡献MeanFace中的重要性
• 现在，如果你有9个EigenFaces然后每个EigenFace你将得到一个权重向量，它将是N维，其中N是特征向量的数量
• 因此，一个权重向量中N个元素的每个元素都会告诉您特定的特征向量对于相应的EigenFace有多重要
• EigenFaces中的面部识别是通过比较训练图像和测试图像的权重与某种距离函数来完成的
• 您可以参考此github链接：https://github.com/jayshah19949596/Computer-Vision-Course-Assignments/blob/master/EigenFaces/EigenFaces.ipynb
• 上面链接中的代码是一个很好的文档代码，所以如果您了解基础知识，您将理解代码