Gabor特征的人脸识别(草稿)

本文介绍了使用Gabor小波进行面部特征提取的方法,并探讨了其在面部识别领域的应用。重点在于利用增强型Fisher线性判别模型设计新型分类器,通过下采样减少特征空间维度。
部署运行你感兴趣的模型镜像
论文“Gabor feature based classification using the enhanced Fisher linear discriminant model for face recognition”, pami, 11(4), 2002, p467~p476.

Gabor小波函数,有一大堆参数,mu, nu, sigma, 这些是和图像的像素位置无关的参数,z是图像的像素坐标。

论文里,mu 取值{0, ..., 7}, nu取值{0, ..., 4}, sigma= 2pi。

计算一副图的Gabor变化,可以用Fourier变换实现。Gabor特征是空间域,不是频域。

对图像提取Gabor特征之后,如果样本太大,需要下抽样,减少特征空间。

实际上,这篇论文的重点在新的分类器设计。

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值