Как определить оптимальный порог для измерения различий в статистике хи-квадрат в распознавании лиц LBP?

Question

Я пытаюсь реализовать оригинальный и круговой локальный двоичный шаблон (LBP) с равномерным отображением шаблонов для приложения распознавания лиц.

До сих пор я делал шаги по извлечению дескрипторов LBP и построению пространственной гистограммы. Теперь мне нужно поработать над фазами классификации и распознавания лиц. Как следует из оригинальной статьи в этой теме, простейший классификатор использует статистику хи-квадрат как меру различия между 2 гистограммами 2 изображений лица. Формула кажется простой, но я не знаю, как я могу классифицировать 2 гистограммы, представляющие одну и ту же грань или разные грани, основываясь на результирующем значении меры разности хи-квадрат. Поэтому мой вопрос: какое оптимальное пороговое значение я могу использовать в качестве границы между одними и теми же гранями и разными гранями? Как я могу определить это значение?

Я наткнулся на некоторый исходный код в Интернете, и они установили порог LBP в 180.0. Я понятия не имею, откуда взялась эта ценность.

Буду признателен за вашу помощь. Спасибо за ваше чтение.

Answer 1

В той же / не той же настройке вы узнаете оптимальный порог из тренировочного набора. Учитывая, скажем, 1000 одинаковых и 1000 не одинаковых пар для обучения, запустите цикл for на пороге. Для каждого порогового значения вычислите точность как 0,5 * (процент тех же пар с расстоянием <текущий порог) + 0,5 * (процент не тех же пар с расстоянием>= currentThreshold). Затем следите за оптимальным порогом.

Кстати, для одинаковых / не одинаковых настроек я бы рекомендовал рассмотреть возможность использования одноразового сходства