Como determinar o limiar ideal para a medida de dissimilaridade estatística do qui-quadrado no reconhecimento da face do LBP?

Question

Estou tentando implementar o original e a circular padrão binário local (LBP) com uniforme mapeamento padrão para aplicação de reconhecimento de rosto.

Eu fiz com extração de descritores LBP e etapas de construção histograma espacial até agora. Agora eu tenho que trabalhar nas fases de classificação e reconhecimento de face. Como o papel original no assunto sugerir, o mais simples O classificador usa estatística qui-quadrado como uma medida de dissimilaridade entre 2 histogramas de imagens de 2 face. A fórmula parece direta, mas não sei como posso classificar 2 histogramas são representações da mesma face ou de rostos diferentes com base no valor resultante da medida de dissimilaridade qui-quadrado. Então, minha pergunta é: qual é o valor limite ideal que eu posso usar como linha de fronteira entre as mesmas faces e rostos diferentes? Como posso determinar esse valor?

Eu encontrei algum código-fonte na Internet e eles definiram limiar LBP para 180.0. Eu não tenho ideia de onde este valor veio.

Eu apreciaria gratamente suas ajudas. Obrigado pela sua leitura.

Answer 1

Na mesma configuração, você aprende o limiar ideal do conjunto de treinamento.Dado, digamos 1000 mesmo e 1000 não pares para treinamento, execute um loop no limiar.Para cada valor limite, calcule a precisão como 0,5 * (por cento dos mesmos pares com distância = Currentthreshold).Então, acompanhe o limite ideal.

By the way, para a mesma / não-não-mesma configuração, eu recomendo considerar o uso de uma foto-similaridade