资源说明:人脸识别
本项目代表对面部投影技术(PCA,ICA和LDA)的比较分析,旨在比较使用公平意识训练对这些模型的性能影响的程度。 该技术在FERET图像数据集的两个450图像子集上进行了测试,一个旨在保留美国人口的种族构成(70%的白种人,20%的非洲人,10%的东南亚人),而其他人的种族背景分布均匀(33%的白人,33%的非洲人,33%的东南亚人)。 这两个数据集每个类(人)都包含两个图像,旨在模拟法律规范应用,其中每个人的可用图像数量预计会很少。
培训方法基于[1]中使用的方法。 首先通过均值减法和标准化对训练图像进行预处理。 然后执行PCA,得到一个180维子空间(450的40%),该子空间在受人口影响的数据中分别保留99.66%的信息,在公平意识的数据中分别保留99.68%的信息。 然后将这些预测用作ICA和LDA的输入数据。 生成的空间用于投影以前看不见的图像,并通过将它们与同一个
本源码包内暂不包含可直接显示的源代码文件,请下载源码包。