LBP 얼굴 인식에서 카이 제곱 통계 비방 척도에 대한 최적의 임계 값을 결정하는 방법은 무엇입니까?

Question

저는 얼굴 인식 응용 프로그램을위한 균일 한 패턴 매핑을 사용하여 원본 및 원형 Local Binary Pattern (LBP)을 구현하려고합니다.

지금까지 LBP 기술자 추출 및 공간적 히스토그램 작성 단계를 수행했습니다. 이제 얼굴 분류 및 인식 단계를 수행해야합니다. 피사체의 original paper이 제안한 것처럼, 가장 간단한 분류기는 2 개의 얼굴 이미지의 2 개의 히스토그램 사이의 차이 측정으로 카이 제곱 통계를 사용합니다. 수식은 직설적 인 것처럼 보이지만 2 개의 히스토그램을 어떻게 분류 할 수 있는지는 알지 못합니다. Chi-square 비평 행성 측정의 결과 값을 기반으로 한 동일한 얼굴 또는 다른 얼굴의 표현입니다. 그래서 내 질문은 : 같은 얼굴과 다른 얼굴 사이의 경계선으로 사용할 수있는 최적의 임계 값은 무엇입니까? 가치를 어떻게 결정할 수 있습니까?

저는 인터넷에서 일부 소스 코드를 발견했으며 LBP 임계 값을 180.0으로 설정했습니다. 나는이 가치가 어디에서 왔는지 전혀 모른다.

감사의 말을 전합니다. 읽어 주셔서 감사합니다.

Answer 1

동일한/동일하지 않은 설정에서 학습 세트의 최적 임계 값을 학습합니다. 주어진 1000 개의 똑같은 말과 1000 개의 똑같은 짝이 아닌 말은 임계 값에서 for 루프를 실행한다고 가정 해 봅시다. 각 임계 값에 대해 0.5 * (거리 임계 값이 동일한 동일한 쌍의 백분율) + 0.5 * (거리> = currentThreshold 인 동일한 쌍이 아닌 비율)로 각 임계 값을 계산하십시오. 그런 다음 최적의 임계 값을 추적하십시오.

그런데 동일하지 않은 설정의 경우 원샷 유사성을 고려하는 것이 좋습니다