第(3/3)页 在设计的时候,往往面对的需求是多样的,而且并非是例题那般,更多需要用头脑去思考解决的办法。 这就是算法的魅力。 任何程序,归根结底,都是1和0的构成,都是编程语言用算法来实现的。 晚上的时候,江成收到了杨明德教授的回复。 邮件里头,杨教授很耐心地回了江成,还对江成的作业进行了批改。 最后,杨明德还附了一句话,“算法一途,既艰难又有趣,你若有心,记得走得更远一些、更深一些。” 江成注重算法,更为重要的是,他知道未来的很多程序,都在算法之上下了苦功。 他们结合大数据分析和用户喜好分析,专门推荐相关的新闻、短视频等,为每一个用户构建了一个圈子。 一个既舒适,又稳定的圈子。 圈子里头,有共同爱好的人,有共同三观的人。 江成必将进军这些类别的程序,那么自己深度掌握算法,会是核心技术所在。 江成书写了感谢信后,没有立即又发问题,他也怕这个教授晚上抓狂得把他拉黑了。 第二天,江成准备了题,直接又找杨明德面教了。 当面请教之后,杨明德对江成更加有印象了,还互留了扣扣和联系方式。 再过几天,江成便顺理成章选了杨明德作导师,并被允许在他的项目中学习。 基于mb-lbp算子和multilinearpca算法的人脸识别的实现。 感觉高大上的样子。 不过江成知道未来的手机,都会携带人脸识别技术。 这是目前研究的一个重要方向。 pca算法,江成并不是很熟悉,只在书籍中接触过,知道这个全称是principlecompoentanalysis,译为主元成分分析,原理是将高维的数据投影,再重新选点计算分析。 因为在项目里头可以跟着打杂,江成便重点将学习重点放在了pca算法之上,把图书馆有关这一类的算法都看了一遍,还看了下最近一些期刊、论文,把前沿知识初步记下了。 等到接触了,江成这才不至于一懂不懂,而是基本能够反应过来。 现如今,项目已经到了最难的地方。 pca算法是降维算法,也是有损算法,直接通过这个算法来识别人脸,错误率极高。 基本相当于大家都可以被识别成为彦祖。 杨明德等团队打算利用mb-lbp算法先提取人脸图像的特征,然后再用multilinearpca算法对提取的人脸特征进行降维,最后用最近邻分类器进行人脸识别。 方式是好的,但在实际研究过程,因为算法的原因,识别并不够准确。 第(3/3)页