文件名称：人脸识别：FERET数据集上人脸识别投影技术（PCA，ICA和LDA）的比较分析
文件大小：437KB
文件格式：ZIP
更新时间：2024-03-12 04:52:46
machine-learning face-recognition JupyterNotebook
人脸识别 本项目代表对面部投影技术（PCA，ICA和LDA）的比较分析，旨在比较使用公平意识训练对这些模型的性能影响的程度。 该技术在FERET图像数据集的两个450图像子集上进行了测试，一个旨在保留美国人口的种族构成（70％的白种人，20％的非洲人，10％的东南亚人），而其他人的种族背景分布均匀（33％的白人，33％的非洲人，33％的东南亚人）。 这两个数据集每个类（人）都包含两个图像，旨在模拟法律规范应用，其中每个人的可用图像数量预计会很少。 培训方法基于[1]中使用的方法。 首先通过均值减法和标准化对训练图像进行预处理。 然后执行PCA，得到一个180维子空间（450的40％），该子空间在受人口影响的数据中分别保留99.66％的信息，在公平意识的数据中分别保留99.68％的信息。 然后将这些预测用作ICA和LDA的输入数据。 生成的空间用于投影以前看不见的图像，并通过将它们与同一个
【文件预览】：
face-recognition-master
----setup.py(1KB)
----.gitignore(141B)
----requirements.txt(125B)
----LICENSE.txt(1KB)
----README.md(14KB)
----data_structures()
--------KeyedPriorityQueue.h(943B)
--------priority_queue.pyx(2KB)
--------KeyedPriorityQueue.cpp(3KB)
----notebook()
--------comparative-FERET-study.ipynb(649KB)
----machine_learning()
--------neighbours.pyx(9KB)
--------__init__.py(0B)
--------decomposition.pyx(19KB)
--------test()