keynote:lesson03
Differences
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。 | ||
keynote/lesson03.1272377347.txt.gz · Last modified: 2023/08/19 21:01 (external edit)
Page Tools
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Noncommercial-Share Alike 4.0 International
