Verbessere Präzisions-Algorithmus zur Erkennung von Gesichtsausdruck mit LBP

Question

Ich entwickle einen einfachen Algorithmus, um mehrere Gesichtsausdrücke (Glück, Trauer, Wut ...) zu erkennen. Ich bin auf this paper basiert, um das zu tun. Ich Vorverarbeitung vor LBP einheitliche Bediener Dividieren des normalisierten Bild in 6x6 Bereiche anzuwenden, wie im Beispiel unten gezeigt:

Durch Anwendung einheitliche LBP 59 Kunststücke für jede Region extrahiert werden, so dass ich schließlich 2124 Erfolge nach Bild (6x6x59). Ich denke, es ist eine zu große Anzahl von Kunststücken, wenn ich ungefähr 700 Bilder habe, um ein Modell zu trainieren. Ich habe gelesen, dass es nicht gut ist, eine gute Präzisierung zu bekommen. Meine Frage ist, wie kann ich die Dimension der Talente oder eine andere Technik zur Verbesserung der Genauigkeit des Algorithmus reduzieren.

Answer 1

Eine einfache Möglichkeit, die Dimensionalität von Features zu reduzieren - und gleichzeitig die Robustheit zu erhöhen - wäre die Verwendung von rotation-invariant uniform patterns. Für eine kreisförmige Umgebung mit dem Radius und gebildet durch Pixel repräsentiert der Texturdeskriptor jede Region durch 10 Merkmale. Somit wird die Dimensionalität von 2124 auf 6 10 = 360 reduziert.