人脸识别---Gabor特征(mean pooling和max pooling)
Abstract—本文主要讲解Gabor特征在人脸识别中的使用。
在此不讲Gabor滤波器的原理,网上有很多博客已经介绍了大量关于Gabor滤波器。此文讲下提取出来后的Gabor滤波器的处理。
通常我们使用的Gabor滤波器有8个方向,5个尺度,这些参数都可以调节。Gabor滤波器分为实数部分和虚数部分,如图1所。图1a为实数部分,图1b为虚数部分。
图1a Gabor滤波器实数部分
图1b Gabor滤波器虚数部分
从图1a和图2a可以清楚看出,每一列为尺度变化,一共有5个尺度。每一行为方向变化,一共有五个方向。
把人脸图像分别用对应的实部虚部滤波器进行滤波,再进行平方相加开根号。就可以得到人脸的Gabor特征了,如图2待提取的人脸图像。图2为Gabor的特征图。
图2 待提取的人脸图像
图3 Gabor的特征图
图2为Gabor特征的特征图,图像大小为100*70,假设不损失边缘进行滤波,那么将得到100*70*40=28w特征,这个特征太大!(1)不适合存储。(2)有很多不需要的特征,导致维数灾难。
下面我介绍一种特征降维的方法,称为pooling,在Deep learning有用到过。对特征图可以进行max pooling或者mean pooling。如图4所示
图4 人脸特征图像分块方式
每一个小块,我们可以取平均或者这个小块的最大值,取平均叫mean pooling,取最大值为max pooling。假设每一个小块为10*10,那么一张feature map大小为7*10。对于40张feature map,总特征维度为7*10*40=2800。这样的特征便于存储。
当然还有其他特征处理的方式
- 关键点采样(SIFT,SURF关键点都可以)
- 定点采样,坏处在于不知道采的特征是否具体代表性。
- Adaboost等方法特征选择方法选择特征。
人脸识别---Gabor特征(mean pooling和max pooling)相关推荐
- Python机器学习:PCA与梯度上升:009人脸识别与特征脸(lfw_people数据集)
将w的每一行想成一个样本,则第一行是最重要的样本..第二行次重要..(Wk特征engen face) CODE 我们使用lfw_people数据集 #人脸识别与特征脸 import numpy as ...
- 人脸识别之特征脸方法(Eigenface)
人脸识别之特征脸方法(Eigenface) zouxy09@qq.com http://blog.csdn.net/zouxy09 因为需要,花了一点时间写了下经典的基于特征脸(EigenFace)的 ...
- 人脸识别之特征脸方法
特征脸技术是近期发展起来的用于人脸或者一般性刚体识别以及其它涉及到人脸处理的一种方法.首先把一批人脸图像转换成一个特征向量集,称为"Eigenfaces",即"特征脸&q ...
- Gem pooling、max pooling、average pooling
gem时average pooling 的一般化 gem 的公式如下: f(g)=[f1(g)...fk(g)...fK(g)]T=(1∣Xk∣∑xxpk)1pkf^{(g)} = [f_1^{(g) ...
- 人脸识别—特征脸方法
人脸识别之特征脸方法(Eigenface) zouxy09@qq.com http://blog.csdn.net/zouxy09 因为需要,花了一点时间写了下经典的基于特征脸(EigenFace)的 ...
- 五官定位哪家强-人脸识别特征点比对
目前,基于人工智能的人脸识别库很多,各家基本上都免费开放,dlib库开源并且本地化,其它的均提供SDK或者API接口供在线使用,人脸识别应当是AI领域内比较成熟且最有可能大规模落地的应用了. 本文给出 ...
- gabor特征 gabor滤波器
gabor特征 Gabor 特征是一种可以用来描述图像纹理信息的特征,Gabor 滤波器的频率和方向与人类的视觉系统类似,特别适合于纹理表示与判别.Gabor 特征主要依靠 Gabor 核在频率域上对 ...
- 人脸识别-Loss-2010:Softmax Loss(Softmax激活函数 + “交叉熵损失函数”)【样本3真实标签为c_5,则样本3的损失:loss_3=-log(\hat{y}_5^3)】
一般一个CNN网络主要包含卷积层,池化层(pooling),全连接层,损失层等. 全连接层:等号左边部分就是全连接层做的事, W W W 是全连接层的参数,我们也称为权值, X X X 是全连接层的输 ...
- Google人脸识别系统Facenet paper解析
Facenet paper地址 : facenet: 论文解析下载地址(PDF版):论文解析 FaceNet: A Unified Embedding for Face Recognition a ...
最新文章
- php 7月世界排名2017,TIOBE2017榜单公布,PHP还会是世界上最好的语言吗?
- ZedGraph给LineChart添加数值
- 通过在Chipotle用餐了解模板方法设计模式
- springcloud 实现反向代理和负载均衡
- HTML5 Canvas 和 SVG
- Linux下socket编程的简单实例
- 采用LM1875组成的各种功放电路
- Nessus插件离线下载
- 克转换成千克怎么算python_斤公斤千克的换算(克和公斤怎么转换)
- Linux编程经典实例,PyQt4 精彩实例分析 - 实例1 Hello Kitty! _Linux编程_Linux公社-Linux系统门户网站...
- 测试--插拔寿命测试
- matlab 变量上小尖尖,发动机最中间的那个小尖尖,你猜是什么?
- 云时代的应用性能管理(APM)
- 中国人民大学计算机拟录取,2016年中国人民大学信息学院硕士研究生拟录取名单...
- python conda安装与使用教程
- 计算机英语教学设计反思,小学五年级英语教学设计与反思
- 第一篇:爬虫基本原理
- file.exists(),file.isFile()和file.isDirectory()的区别
- 精尽Spring MVC源码分析 - 一个请求的旅行过程
- 设置电子围栏 高德地图_地理围栏-API文档-开发指南-Web服务 API | 高德地图API
热门文章
- 迎财神| 微软ATP教你学AI “兔”然暴富!
- 对象.属性和对象[‘属性’]的区别
- 聊聊 SQLAlchemy 连接池中的连接失效问题
- Helsinki-NLP/opus-mt-en-zh和facebook/nllb-200-distilled-600M区别
- Apollo学习笔记(4)坐标系
- MMclassification 教程(三)
- Qt界面设计之Action的使用
- pytest框架格式+setup 函数和 teardown 函数和setup_class 和 teardown_class 函数
- 如何在智能合约中调用另一个合约的函数
- EXCEL中多个同时设置工作表的顶端标题