数据准备 数据来源自sklearn的datasets的fetch_olivetti_faces 一共是400张64X64的图片。 每个data对应的是已经经过处理的4096像素点(64x64)数据 每个target对应人脸的标签 训练测试数据分离 随机分割30%的数据做测试验证的数据 模型选择 首先从数据上看,是属于分类行为,所以我们用到sklearn的Classifier。 我这里选取了 SVM, 并且使用linear作为核函数。 简化版的人脸识别系统,除去图形显示,没有多少代码量,但对于很多理论知识,像SVM,以及SVM的核函数的深挖。
数据准备 数据来源自sklearn的datasets的fetch_olivetti_faces 一共是400张64X64的图片。 每个data对应的是已经经过处理的4096像素点(64x64)数据 每个target对应人脸的标签 训练测试数据分离 随机分割30%的数据做测试验证的数据 模型选择 首先从数据上看,是属于分类行为,所以我们用到sklearn的Classifier。 我这里选取了 SVM, 并且使用linear作为核函数。 简化版的人脸识别系统,除去图形显示,没有多少代码量,但对于很多理论知识,像SVM,以及SVM的核函数的深挖。...
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人