计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2006年
2期
225-229
,共5页
主分量分析(PCA)%二维主分量分析(2DPCA)%Fisherface%虚拟样本
主分量分析(PCA)%二維主分量分析(2DPCA)%Fisherface%虛擬樣本
주분량분석(PCA)%이유주분량분석(2DPCA)%Fisherface%허의양본
现在许多人脸识别算法都是在假定每个人提供了多幅训练样本的情况下展开的,对每人只有一幅训练图像的识别问题研究得很少,而实际中往往每人只提供了一幅图像.本文对这一问题进行了研究,给出了一些生成虚拟训练样本的方法;提出了基于类间散度最大的二维主分量分析方法,在ORL库上用单训练样本取得了75.28%的识别结果.
現在許多人臉識彆算法都是在假定每箇人提供瞭多幅訓練樣本的情況下展開的,對每人隻有一幅訓練圖像的識彆問題研究得很少,而實際中往往每人隻提供瞭一幅圖像.本文對這一問題進行瞭研究,給齣瞭一些生成虛擬訓練樣本的方法;提齣瞭基于類間散度最大的二維主分量分析方法,在ORL庫上用單訓練樣本取得瞭75.28%的識彆結果.
현재허다인검식별산법도시재가정매개인제공료다폭훈련양본적정황하전개적,대매인지유일폭훈련도상적식별문제연구득흔소,이실제중왕왕매인지제공료일폭도상.본문대저일문제진행료연구,급출료일사생성허의훈련양본적방법;제출료기우류간산도최대적이유주분량분석방법,재ORL고상용단훈련양본취득료75.28%적식별결과.
