¿Cómo determinar el umbral óptimo para la medida de disimilitud estadística de Chi-Square en el reconocimiento facial LBP?
-
23-12-2019 - |
Pregunta
Estoy tratando de implementar el original y circular patrón binario local (lbp) con uniforme Mapeo de patrones para la aplicación de reconocimiento facial.
Lo he hecho con descriptores LBP Extracción y pasos de construcción de histograma espacial hasta ahora. Ahora tengo que trabajar en la clasificación de la cara y las fases de reconocimiento. Como el papel original en el sugerencia sugerencia, la más simple El clasificador utiliza la estadística de chi-cuadrado como una medida de disimilitud entre 2 histogramas de 2 imágenes faciales. La fórmula parece sencilla, pero no sé cómo puedo clasificar 2 histogramas son representaciones de la misma cara o de diferentes caras basadas en el valor resultante de la medida de disimilitud de Chi-cuadrado. Entonces, mi pregunta es: ¿Cuál es el valor umbral óptimo que puedo usar como la línea de borde entre las mismas caras y las caras diferentes? ¿Cómo puedo determinar ese valor?
Me he encontrado con un código fuente en Internet y establecen el umbral LBP a 180.0. No tengo idea de de dónde vino este valor.
Agradecí con gratitud tus ayuda. Gracias por su lectura.
Solución
En el mismo ajuste / no-lo mismo, aprende el umbral óptimo del conjunto de entrenamiento.Dado, dice 1000 igual y 1000 no es iguales pares para entrenamiento, ejecute un bucle para el umbral.Para cada valor de umbral, calcule la precisión como 0.5 * (porcentaje de los mismos pares con la distancia
Por cierto, para el mismo configuración / no-lo mismo, recomendaría considerar el uso de una similitud de una sola vez