en utilisant lda pour la reconnaissance faciale multi classe

Question

J'ai lu cet article Face Recognition Using LDA-Base Algorithm. Après avoir trouvé le sous-espace LDA régularisé et projeté mes images d'entraînement dans ce sous-espace, comment puis-je tester le classificateur? J'ai également projeté les images de test sur le même sous-espace ... maintenant quoi? Tous les exemples que je lis sont pour une classification binaire en utilisant Bayes. Pour être plus clair, maintenant je veux vérifier si donner une image de visage au classificateur formé sera reconnu. Je l'ai trouvé dans le livre de Szeliski, mais je ne comprends pas toutes ces équations.

Answer 1

Comme vous le savez LDA est un acronyme pour analyse discriminante linéaire. il projette en fait les échantillons d'apprentissage dans un sous-espace où la distance entre les différentes classes sera maximisée tandis que la distance entre les mêmes échantillons de classe sera minimisée. Donc, quand vous allez l'utiliser pour la reconnaissance faciale, vous devez avoir plus d'un échantillon de chaque personne (images de galerie). alors vous effectuez LDA et obtenez le sous-espace résultant. Après cette étape, vous avez un sous-espace dans lequel tous les visages peuvent être projetés. pour la prochaine étape, vous projetez (en utilisant le produit scalaire) les images de la galerie dans ce sous-espace et enregistrez-les en tant que modèles de galerie. ces modèles seront utilisés plus tard dans l'étape de test. la dernière étape est en cours de test. Dans cette étape, vous avez une image de visage de test et vous voulez savoir de qui il s'agit. Vous devez donc calculer son modèle en projetant cette image de visage dans ce sous-espace. Ensuite, vous calculez la distance euclidienne (ou un autre type de distance) de ce modèle de test à partir de tous les modèles de galerie. le modèle de galerie le plus proche a la même identité que l'image de test.