面部识别通过稀疏识别
该项目是ENSAE压缩感知课程中的一部分。 与一位同学合作完成。
该软件包不包含原始的AR人脸数据文件,需要通过以下链接获取该文件: : 。
该报告是法文。 但是,Jupyter Notebook用英语完全注释。
注意:在feature_reduction.py中,有一个参数“ nb_component”。 这是因为我们不需要给定图片中的所有可用信息。 它在最后创建了一个如此大的矩阵,以至于计算变得乏味。 因此,当nb_component进入时,减小矩阵的大小是很好的。它是一个可以更改的数字,并且与要考虑的像素数相对应,因为它成为尺寸因子。 例如,原始图像为120x165,尺寸将为19800,而尺寸为30x42的调整大小的图片将产生1260,这在我们的演示文稿中已经足够了。