This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
keynote:lesson03 [2010/04/27 22:09] 11021002 |
keynote:lesson03 [2023/08/19 21:02] (current) |
||
---|---|---|---|
Line 63: | Line 63: | ||
不适用于非高斯噪声污染的数据集。\\ | 不适用于非高斯噪声污染的数据集。\\ | ||
设数据$m\times n$矩阵$M=L+S$,$L$为潜在的低秩矩阵,$S$噪声矩阵。如果$S$非高斯噪声,例如稀疏且幅值不定的噪声,那么PCA将失效。\\ | 设数据$m\times n$矩阵$M=L+S$,$L$为潜在的低秩矩阵,$S$噪声矩阵。如果$S$非高斯噪声,例如稀疏且幅值不定的噪声,那么PCA将失效。\\ | ||
- | {{:playground:snap5.jpg|}} {{:playground:snap6.jpg|}}\\ | + | {{:keynote:pca_done_well.jpg|}} |
+ | {{:keynote:pca_fail.jpg|}}\\ | ||
此时,宜用改进的模型RPCA(Robust PCA)。 | 此时,宜用改进的模型RPCA(Robust PCA)。 | ||
RPCA通过以下目标函数求解: | RPCA通过以下目标函数求解: | ||
Line 86: | Line 87: | ||
对RPCA做一些修改,可用于人脸对齐与去噪。这是RPCA研究团队一篇CVPR2010的工作:\\ | 对RPCA做一些修改,可用于人脸对齐与去噪。这是RPCA研究团队一篇CVPR2010的工作:\\ | ||
Yigang Peng, Arvind Ganesh, John Wright, Wenli Xu, and Yi Ma. RASL: Robust Alignment by Sparse and Low-rank Decomposition for Linearly Correlated Images. To appear in CVPR, June 2010.\\ | Yigang Peng, Arvind Ganesh, John Wright, Wenli Xu, and Yi Ma. RASL: Robust Alignment by Sparse and Low-rank Decomposition for Linearly Correlated Images. To appear in CVPR, June 2010.\\ | ||
- | {{:playground:snap3.jpg|}}\\ | + | {{:keynote:rals.jpg|}}\\ |
(a)算法输入40张同一人不同光照、遮挡,姿势和表情的图片。(b)-(d)为算法输出,算法同时完成对齐(b)、提取真实人脸(c)和分离噪声(异物)(d)。算法主要思路为寻找一组几何变换$\tau$使对齐后的图像$Dº\tau$能被分解为低秩成分和稀疏噪声。 | (a)算法输入40张同一人不同光照、遮挡,姿势和表情的图片。(b)-(d)为算法输出,算法同时完成对齐(b)、提取真实人脸(c)和分离噪声(异物)(d)。算法主要思路为寻找一组几何变换$\tau$使对齐后的图像$Dº\tau$能被分解为低秩成分和稀疏噪声。 | ||