图像分类问题的一个典型例子是利用软件最大线性回归模型对手写数字进行分类。让我们假设有一个包括10个主题和10个图像的面部数据库。这将是图像(人脸)识别的一个问题。。
因此,考虑到数字和人脸在特征空间上的差异,可以类推地假设每个主题为每个数字,以被试的图像作为手写体数字的例子,并应用分类算法进行识别。http://www.codesofinterest.com/2016/11/can-lenet-model-handle-face-recognition.html
,请帮我理解一下?
发布于 2017-04-01 23:02:53
在这方面没有区别。对于一个分类问题,只有两个数据集:以数字为标签的手写数字图像或以主题为标签的人脸图像。
然而,通常情况下,人脸识别任务需要在一张图片中找到所有的人脸,而不是给它们贴上标签。
发布于 2019-03-21 16:14:17
在人脸识别的背景下,当你说识别时,你是将ROI识别为图像之外的人,而在分类中,你将ROI分类为预定义的类别之一,比如男性或女性。
https://stackoverflow.com/questions/43162623
复制相似问题