基于matlab的表情识别代码-SVD:使用奇异值分解的MATLAB面部重建

上传者: 38682254 | 上传时间: 2022-11-02 00:43:37 | 文件大小: 752KB | 文件类型: ZIP
基于matlab的表情识别代码使用奇异值分解(SVD)在MATLAB中进行人脸重构 由J.Barhydt 1 华盛顿大学华盛顿州西雅图市98195 概述: 奇异值分解(SVD)是一种有用的计算工具,可用于减少超定系统的维数。 它具有各种各样的应用程序,从面部识别软件到科学数据的降噪再到量子信息,甚至被Netflix用来过滤和确定用户内容。 在本文中,该方法用于解构人脸数据库,从而允许低秩逼近来重建图像。 1-此报告使用扩展的Yale Faces B数据库: 简介与概述 ================================= 耶鲁的人脸数据库用于编辑许多人的脸部图像。 总体上有两个数据集:一组被裁剪以使面部对齐良好,而另一组则未被裁剪。 一旦执行了SVD,便会执行许多计算和分析。 首先,一系列奇异值用于确定构成“面部空间”的基础基础面部的权重,该“面部空间”代表所有面部的基础结构。 然后对重建脸部以及本征脸部自身的能力进行比较。 为了观察低秩逼近的演变,矩阵是逐块重构的。 最后,在裁剪后的图像和未裁剪的图像之间进行比较,并将各种面部映射到“面部空间”以进行重构。 理论背景\n=

文件下载

资源详情

[{"title":"( 34 个子文件 752KB ) 基于matlab的表情识别代码-SVD:使用奇异值分解的MATLAB面部重建","children":[{"title":"SVD-master","children":[{"title":"EigenfacesSVD.m <span style='color:#111;'> 4.28KB </span>","children":null,"spread":false},{"title":"media","children":[{"title":"image24.png <span style='color:#111;'> 1.01KB </span>","children":null,"spread":false},{"title":"image16.png <span style='color:#111;'> 23.18KB </span>","children":null,"spread":false},{"title":"image26.png <span style='color:#111;'> 1.74KB </span>","children":null,"spread":false},{"title":"image10.png <span style='color:#111;'> 12.10KB </span>","children":null,"spread":false},{"title":"image30.png <span style='color:#111;'> 52.34KB </span>","children":null,"spread":false},{"title":"image28.png <span style='color:#111;'> 1.02KB </span>","children":null,"spread":false},{"title":"image1.png <span style='color:#111;'> 1.15KB </span>","children":null,"spread":false},{"title":"image22.png <span style='color:#111;'> 2.76KB </span>","children":null,"spread":false},{"title":"image8.png <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"image20.png <span style='color:#111;'> 11.53KB </span>","children":null,"spread":false},{"title":"image31.png <span style='color:#111;'> 322.98KB </span>","children":null,"spread":false},{"title":"image14.png <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"image12.png <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"image5.png <span style='color:#111;'> 21.52KB </span>","children":null,"spread":false},{"title":"image2.png <span style='color:#111;'> 16.92KB </span>","children":null,"spread":false},{"title":"image23.png <span style='color:#111;'> 16.03KB </span>","children":null,"spread":false},{"title":"image27.png <span style='color:#111;'> 1.81KB </span>","children":null,"spread":false},{"title":"image11.png <span style='color:#111;'> 2.55KB </span>","children":null,"spread":false},{"title":"image6.png <span style='color:#111;'> 4.66KB </span>","children":null,"spread":false},{"title":"image17.png <span style='color:#111;'> 1.10KB </span>","children":null,"spread":false},{"title":"image32.png <span style='color:#111;'> 24.17KB </span>","children":null,"spread":false},{"title":"image15.png <span style='color:#111;'> 11.32KB </span>","children":null,"spread":false},{"title":"image3.png <span style='color:#111;'> 1.01KB </span>","children":null,"spread":false},{"title":"image21.png <span style='color:#111;'> 88.63KB </span>","children":null,"spread":false},{"title":"image19.png <span style='color:#111;'> 3.35KB </span>","children":null,"spread":false},{"title":"image33.png <span style='color:#111;'> 36.99KB </span>","children":null,"spread":false},{"title":"image9.png <span style='color:#111;'> 1.01KB </span>","children":null,"spread":false},{"title":"image7.png <span style='color:#111;'> 73.00KB </span>","children":null,"spread":false},{"title":"image25.png <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"image4.png <span style='color:#111;'> 8.90KB </span>","children":null,"spread":false},{"title":"image29.png <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false}],"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 20.91KB </span>","children":null,"spread":false}],"spread":true}],"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