极乐净土

在看《An Associate-Predict Model for Face Recognition》小夸张的一篇paper看到第三页时发现用了好多经典的方法作者evaluate了LBP SIFT Gabor和LE 4个descriptor然后作者还用PCA做compact descriptor最后用SVM做similarity这里用了的都是我知道得经典不能再经

首先从cvpr2010的一篇奇文《Paper Gestalt》说起。这篇Paper以iccv和cvpr近几年的1196篇论文为证样本，以及收集到的负样本进行特征提取，得出的实验结果如下：1，里面有几段公式2，实验部分里面有几个曲线图3，在文章开头或结尾排列一堆图像4，最后写满8页再说说《Attribute and Simile Classifiers for Face

人脸识别做到现在，做了大概3-4个月，经典的方法都试过一遍了，也做出了对比结果。上篇文章《Yale数据集上几个人脸识别算法的结果》给出了在Yale数据集上的一个对比结果。Yale数据集较为简单，比较有challenge的是LFW数据集。作者也给出了不同算法在LFW上的识别率。刚开始本人也在LFW上使用Eigenface的方法做，不过识别率只有可怜的6%（3张训练集），大受打击。后来em

Yale数据集上几个人脸识别算法的结果，如下：所有的测试环境是一致的，流程也是一致的，仅仅是在特征提取的方式不一样。从上面可以看出，HOG的识别率是最高的。传说中的SIFT并没有想象中好。而LDA+Gabor的结果也不错。代码整理之后会上传到csdn，或者会在Github上创建一个项目，放在Github上进行管理。有志同道合的朋友，可以加qq：1985082200，或者

上一篇关于人脸识别的博客是6月8日的，有实际性内容的也是6月8日的。算是放下了一段时间吧，该是继续前进了。在《人脸识别阶段性总结》中提到：“现在好多方法都是train的方法，都是pr方面的”。嗯，我也不应该固步自封。应该在这方面有些实践，为最后想做的东西打下基础。最近搭建了svm的环境，把svm的例子跑起来了。Adaboost做人脸检测也知道怎么回事了。下来的任务是用svm在公开的数据