好吧，我从 4 个不同的 Matlab 函数制作了 4 个独立的可执行文件来构建人脸识别系统。我正在使用不同的批处理代码调用这 4 个可执行文件并对图像执行任务。我拥有的图像总数超过 300k。这 4 个可执行文件中有 3 个运行良好，但是当我尝试调用 Fisherface 函数的独立可执行文件时，我面临“内存不足”问题。它使用 Fisher 的线性判别分析简单地计算每个图像的独特特征。该分析应用于由超过 150,000 张大小为 60*60 的图像的像素值组成的巨大人脸矩阵。因此矩阵的大小是 150,000*3600。
好吧，我所理解的是由于 RAM 中的连续内存不足而发生的。所以作为一个出路，我选择将我的大图像集划分为多个子集，每个子集包含 3000 张图像。现在，当提供输入人脸时，它会在每个子集中搜索该输入的最佳匹配，并最终整理出具有最低距离（欧几里得）的 3 个最佳匹配的最终列表。这解决了内存不足错误，但识别率变得低得多。因为当在原始人脸矩阵中进行判别分析时（我已经在包含 4000-5000 张图像的较小数据集中进行了测试），它给出了很好的识别率。
我正在寻找解决这个问题的方法。我想对大矩阵执行所有操作。有没有办法更高效地实现该功能，例如在Matlab中动态分配内存？我希望我已经相当具体，以便解释我的问题。下面，我提供了该特定可执行文件的代码段。
function FisherfaceCorenew(matname)
load(matname);
Class_number = size(T,2) ;
Class_population = 1;
P = Class_population * Class_number; % Total number of training images
%%%%%%%%%%%%%%%%%%%%%%%% calculating the mean image
m_database = single(mean(T,2));
%%%%%%%%%%%%%%%%%%%%%%%% Calculating the deviation of each image from mean image
A = T - repmat(m_database,1,P);
L = single(A')*single(A); …matlab ×1