используя lda для распознавания лиц multi класс

Question

Я читал эту статью Face Recognition Using LDA-Base Algorithm.

После нахождения регуляризованного подпространства LDA и проецирования моих обучающих изображений на это подпространство, как я могу проверить классификатор. Я проецировал также тестовые изображения в одно и то же подпространство ... теперь что?

все примеры, которые я читаю, предназначены для двоичной классификации с использованием Байеса. Чтобы быть более ясным, теперь я хочу проверить, будет ли распознаваться изображение лица для обученного классификатора.

Я нашел это в книге Селиски, но я не могу понять все эти уравнения.

Answer 1

Как вы знаете, LDA является аббревиатурой для линейного дискриминантного анализа. он фактически проектирует образцы обучения в подпространство, где расстояние между различными классами будет максимизировано, между тем расстояние между теми же образцами классов будет сведено к минимуму.

Итак, когда вы собираетесь использовать его для распознавания лиц, у вас должно быть более одного образца от каждого человека (изображения галереи). то вы выполняете LDA и получаете полученное подпространство. После этого шага у вас есть подпространство, в которое можно проецировать все грани. для следующего шага, который вы проектируете (используя точечный продукт) изображения галереи в это подпространство и сохраняете их в качестве шаблонов галереи. эти шаблоны будут использоваться позже на этапе тестирования. Последним шагом является тестирование. на этом этапе у вас есть образ тестового лица и вы хотите знать, кто он. Поэтому вы должны рассчитать свой шаблон, проецируя изображение лица в это подпространство. Затем вы вычисляете эвклидовое расстояние (или какой-либо другой тип расстояния) этого шаблона теста из всех шаблонов галереи. самый близкий шаблон галереи имеет тот же идентификатор, что и тестовое изображение.