特征脸代码matlab-PCA_faces:使用PCA进行人脸识别

上传者: 38546789 | 上传时间: 2021-07-23 15:17:48 | 文件大小: 8KB | 文件类型: ZIP
特征脸代码matlab PCA_faces 在 Matlab 中使用 PCA 进行人脸识别。 有关 的理论,请参阅维基百科。 主要出发点: PCA_debug.m - 启用所有调试的最简单的脚本,从这里开始。 PCA_training_set_size.m - 创建准确度如何取决于训练集大小的图表。 PCA_principal_components.m - 创建一个图表,准确度如何取决于主成分的数量。 PCA_predict.m - 用户提供的图像的预测类。 训练集文件必须命名为f__.jpg ,例如f_1_01.jpg或f_13_10.jpg 。 所有类必须有相同数量的训练图像。 班级=当然是人。 所有函数都包含大段调试代码,通常在未设置全局变量debug时停用。 您可以忽略这些,或者仅在调用要调试的函数之前通过设置debug = 1来使用它们。 我还没有弄清楚如何将这段代码移到函数之外,因为它经常使用内部变量。 我使用基于 OpenCV 的图像预处理(脚本提供了很好的起点,感谢 Yuri!)。 不过,它似乎没有太大区别,非预处理图像实现了更高的准

文件下载

资源详情

[{"title":"( 13 个子文件 8KB ) 特征脸代码matlab-PCA_faces:使用PCA进行人脸识别","children":[{"title":"PCA_faces-master","children":[{"title":"compute_eigenvectors.m <span style='color:#111;'> 1.60KB </span>","children":null,"spread":false},{"title":"compute_accuracy.m <span style='color:#111;'> 1.17KB </span>","children":null,"spread":false},{"title":"PCA_training_set_size.m <span style='color:#111;'> 2.25KB </span>","children":null,"spread":false},{"title":"PCA_debug.m <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"PCA_predict.m <span style='color:#111;'> 920B </span>","children":null,"spread":false},{"title":"normalize_images.m <span style='color:#111;'> 1022B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.93KB </span>","children":null,"spread":false},{"title":"PCA_principal_components.m <span style='color:#111;'> 1.52KB </span>","children":null,"spread":false},{"title":"calculate_averages.m <span style='color:#111;'> 793B </span>","children":null,"spread":false},{"title":"predict_class.m <span style='color:#111;'> 742B </span>","children":null,"spread":false},{"title":".gitattributes <span style='color:#111;'> 483B </span>","children":null,"spread":false},{"title":"partition_images.m <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"load_images.m <span style='color:#111;'> 529B </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明