基于面部轮廓的性别分类与基于Gabor增强边缘Fisher模型的人脸识别
1. 基于面部轮廓的性别分类
1.1 实验设置
在性别分类实验中,研究人员对比了三种归一化方法(Min - Max、Z - score)以及无缩放处理,分别应用于PCA特征和ICA特征。实验结果展示在表格和图像中,旨在探究不同特征维度下的识别率情况。
1.2 实验结果分析
| 特征类型 | PCA1 | PCA2 | PCA3 | ICA1 | ICA2 | ICA3 |
|---|---|---|---|---|---|---|
| Mean1 | 0.5619 | 0.8595 | 0.7860 | 0.5619 | 0.8528 | 0.7960 |
| Std1 | 0.0956 | 0.0958 | 0.1037 | 0.0956 | 0.1037 | 0.1031 |
| Mean2 | 0.5619 | 0.8796 |
超级会员免费看
订阅专栏 解锁全文
27

被折叠的 条评论
为什么被折叠?



