用于分类的特征脸 VS 深度神经网络

数据挖掘 分类 图像分类
2022-02-23 13:29:19

我刚刚看到华盛顿大学的一段视频,史蒂夫·布伦顿教授解释了如何使用特征脸进行分类,例如图像识别。

Eigenfaces 非常简单,不需要任何训练或参数调整等。他表明它只需要几秒钟就完成了。超级快。

通过使用奇异值分解来求解特征脸。

A=USVT
特征脸分类

那么,如果我想要进行某种简单的图像分类,最好的方法是什么?我应该花时间和精力来训练深度神经还是应该专注于特征脸?Eigenfaces 是遗产,但它仍然不错,对吧?

用多张图片训练一个深度神经网络容易吗?或者这是一项艰巨的任务?当我看到其他人在做深度学习时,他们只是做了一些事情,然后他们就解决了世界问题。听起来好得令人难以置信,对吧?

在什么情况下你更喜欢特征脸而不是深度神经网络?不?

1个回答

就目前而言,神经网络优于 Eigenfaces 方法。我的意思是,神经网络可以更准确地解决大范围的问题。

特征脸很好,因为它们已经可以处理少量的训练样本,特别是与已知的数据密集型神经网络相比。因此,在少量数据设置中,您可以从 Eigenfaces 开始进行特征提取,然后将其与 SVM 配对进行分类。然而,现在有预训练的神经网络模型(例如Facenet),它们提供预训练的嵌入供您用于特征提取。然后,您需要做的就是训练“最后一层”进行分类。底线是,您不需要从头开始,使用特征脸进行特征提取已经过时。