非负矩阵分解(NMF)在人脸识别中的应用

Question

我很想知道如何实现NMF来进行面部识别。据我所知，NMF的工作方式是取V，它是人脸图像的矩阵(n个分辨率x个人)，并分解V= WH，其中我们得到r基向量。我假定这一步是使用训练集完成的。但我不知道怎么从这里开始。

利用主成分分析( PCA )方法，在训练集上构造特征脸后，将测试图像投影到人脸空间，然后通过比较测试图像和训练图像的权重系数对图像进行分类。那NMF呢？我用基向量吗？我该拿他们怎么办？

Answer 1

这种方法的一个主要问题是，如果将图像表示为像素强度的矢量，则具有零的平移不变性。两张完全相同但移动超过10像素的图片很可能看起来像不同的向量。这就是为什么人们尝试使用其他处理翻译的方法，比如卷积神经网络或筛分特征。

Answer 2

NMF和PCA非常相似，它们都将矩阵M分解成WH。然而，对于NMF，你有一个约束，即M，W和H都是非负的。在PCA中，你可以把W和H看作系数和特征脸，然后使用这些系数进行人脸识别。在NMF中，W和H是系数和面部轮廓(即面部的一部分)。然后，以与PCA相同的方式，继续使用用于面部识别的系数。