隨機森林的訓練過程：
1：隨機的選擇一部分樣本，按照一定的比例選擇樣本；
2：訓練一棵樹的時候，隨機的選擇一部分特徵，訓練乙個節點，之後把樣本分為左右兩顆子樹；
3：繼續在左子樹訓練樣本，隨機的選擇特徵；
4：繼續在右子樹訓練樣本，隨機的選擇特徵；
5：訓練出來乙個節點，繼續迴圈2~5步驟得到一棵樹；迴圈1~5步驟得到乙個隨機森林：
lbf演算法的訓練過程：
lbf的每一棵樹的葉子節點的輸出都是偏移量；偏移量經過線性回歸得到權重的矩陣
1：特徵選擇：採用的二值特徵，每乙個關鍵點的周圍隨機的二值特徵；
2：所有的形狀求出均值形狀, 均值形狀都是以中心點為座標原點的座標；隨機的生成一些形狀，作為當前形狀，然後求出當前形狀和真實形狀之間的殘差;
3：然後計算當前形狀到均值形狀的相似變換的旋轉係數和縮放係數；
4：然後殘差乘以相似變換的係數得到乙個新的殘差，然後這個殘差作為目標，可以訓練乙個隨機森林；
5:：然後用隨機森林分類乙個樣本，提取樣本的二值特徵，送入到隨機森林中，根據樹葉的位置，得到二進位制的編碼，得到68個關鍵點的編碼；
6：使用全域性回歸得到權重，目標就是殘差，殘差是真實形狀和當前形狀的殘差，相減得到的！
人臉對齊LBF 三
相似變換的目的是求解 兩個形狀之間的尺度和角度關係 和普氏分析的作用相同，不同點是不需要迭代求解，普氏分析理論上更準確，實際上在這裡沒什麼特殊效果。演算法步驟和思想 1 中心化兩個形狀 2 以質心為原點，計算其到沒乙個形狀點之間的距離，並求和 3 兩個形狀的尺度係數為2 中計算得到值的比值 4 以質...
人臉識別之人臉對齊（八） LBF演算法
整體來看，其實 esr是基礎版本的形狀回歸，ert將回歸樹修改為gbdt，由原始的直接回歸形狀，改進為回歸形狀殘差，而lbf，是加速特徵提取，由原來的畫素差分特徵池，改為隨機選擇點。基於lbf方法的人臉對齊，出自face alignment at3000 fps via regressing loc...
人臉對齊介紹
1 五官定位 2 表情識別 3 人臉漫畫 素描生成 4 增強現實 5 換臉 6 3d建模 給定人臉區域 i，從該區域出發,根據一定的規則 f，找到特徵點位置 x。即 x f i 所以，人臉對齊演算法便是設計函式 規則 f，f的優劣變體現在擬合效果 執行效率 引數儲存空間 泛化能力 即適應資料集以外的...