LBP 얼굴 인식에서 Chi-Square 통계의 비교적 측정을위한 최적의 임계 값을 결정하는 방법은 무엇입니까?

Question

원본 및 순환 uniform이있는 로컬 바이너리 패턴 (LBP)을 구현하려고합니다. 얼굴 인식 응용 프로그램을위한 패턴 매핑.

LBP 디스크립터 추출 및 공간 히스토그램 건설 단계로 지금까지 수행했습니다. 이제는 얼굴 분류와 인식 단계에서 일해야합니다. 원래 용지 제안, 가장 단순한 분류자는 2 개의 얼굴 이미지의 2 히스토그램 사이의 비교적 측정 값으로 Chi-Square 통계를 사용합니다. 수식은 간단하지만 2 히스토그램을 분류 할 수있는 방법은 Chi-square diffilarity 측정 값의 결과 가치에 따라 동일한 얼굴 또는 다른 얼굴의 표현입니다. 그래서 제 질문은 다음과 같습니다. 동일한 얼굴과 다른 얼굴 사이의 경계선으로 사용할 수있는 최적의 임계 값은 무엇입니까? 그 값을 어떻게 결정할 수 있습니까?

인터넷에서 일부 소스 코드를 보냈으며 LBP 임계 값을 180.0으로 설정했습니다. 이 가치가 어디에서 왔는지 전혀 알지 못합니다.

나는 당신의 도움을 주셔서 감사 드리겠습니다. 당신의 독서에 감사드립니다.

Answer 1

동일한 / 동일한 설정에서 훈련 세트에서 최적의 임계 값을 배웁니다.주어진, 1000 명과 1000 명의 훈련을 위해 동일한 쌍을 말하고, 임계 값에서 루프를 실행하십시오.각 임계 값 값에 대해 정밀도 0.5 * (거리 <전류 임계 값) + 0.5 * (거리>= currentThreshold와 동일한 쌍의 쌍의 백분율).그런 다음 최적의 임계 값을 추적하십시오.

동일한 / 동일한 설정을 위해, 일련사 유사성을 사용하여 고려하는 것이 좋습니다