【发布时间】：2017-08-03 16:41:38
【问题描述】：
1) 在eigenface 方法中，特征面是来自不同面的元素的组合。这些元素是什么？
2) 输出人脸是由不同权重的不同特征脸组成的图像。特征脸的权重到底是什么意思？我知道权重是图像中特征脸的百分比，但它到底是什么意思，是指所选像素的数量？
【问题讨论】：
标签： machine-learning pca eigenvector
【发布时间】：2017-08-03 16:41:38
【问题描述】：
当 PCA 应用于图像时，请研究 PCA 以了解特征面的物理含义。答案在于对与PCA相关的特征向量和特征值的理解。
【讨论】：
- EigenFaces 基于主成分分析
- 主成分分析进行降维并在训练图像中找到独特的特征，并从人脸图像中去除相似的特征
- 通过获得独特的特征，我们的识别任务变得更简单
- 通过使用 PCA，您可以计算人脸图像数据的特征向量
- 根据这些特征向量，您可以计算每个训练对象的 EigenFace，或者您可以说为数据中的每个类别计算 EigenFace
- 因此，如果您有 9 个类，那么 EigenFaces 的数量将为 9
- 重量通常表示某事的重要性
- 在 EigenFaces 中，特定 EigenFace 的权重是一个向量，它只是告诉您特定 EigenFace 在贡献 MeanFace 中的重要性
- 现在，如果您有 9 个 EigenFace，那么对于每个 EigenFace，您将得到一个准确的权重向量，该向量是 N 维，其中 N 是特征向量的数量
- 因此，一个权重向量中的 N 个元素中的每个元素都会告诉您该特定特征向量对于相应的 EigenFace 的重要性
- EigenFaces 中的面部识别是通过使用某种距离函数比较训练图像和测试图像的权重来完成的
- 可以参考这个github链接：https://github.com/jayshah19949596/Computer-Vision-Course-Assignments/blob/master/EigenFaces/EigenFaces.ipynb
- 以上链接中的代码是一个很好的文档化代码，所以如果您了解基础知识，您就会理解代码
【讨论】：