NPE进一步学习

2016-04-22，14:38:32续

NPE代码中的系数归一化，其实就是等价于LRC求出来的系数。！！！

我们先看看第一组：（每类重构系数归一化）

上图显示，（1）第24个样本的同类重构残差要远大于最相似的异类重构残差。这说明，会被识别错误。

              （2）同时右边两个图显示的是第24个样本的重构效果图，可以看到同类重构的效果和异类重构的效果都很差。

              （3）他们的重构残差居然与原图想的姿态一样，而重构图像居然是正面脸~~~~

对于第二组。（每类重构系数不进行归一化）

会发现如下的重构效果图，会发现（1）就因为少了一个样本，导致所有同类重构的误差，都大于异类样本的重构误差；

                                          （2）这个时候的异类重构出来的图仍然是异类，与使用归一化的方法一致；

                                          （3）无论是同类重构还是异类重构的效果都没有上一组效果好。

 

我们接着进行第三组实验：用测试样本来进行实验，类似于LRC的形式

1、LRC重构效果图

上面右边两个图时第24个样本，可以看到是识别正确了的。这里我们用识别错误的样本：

实验发现：（1）同类重构误差往往要大于这个异类重构误差，这很容易识别出错。

              （2）LRC的同类重构效果看起来更像人，而异类重构效果较差

              （3）LRC的同类误差和异类误差更接近于原始脸。无论是姿态还是表情，不过呢，由于异类的误差看起来也是这个样子，所以说是否可认为误差属于同类和异类的相似部分？

              （4） 从两组图可以看到，尽管LRC识别错了，但是同类重构出来的确实还是同一类的人！！！

转载于:https://www.cnblogs.com/Jerry-PR/p/5422565.html