W zadania, takie jak rozpoznawanie twarzy, wiele ważnych informacji może być zawarta w relacji, wysokim wśród pikseli obrazu. Liczba algorytmów rozpoznawania twarzy zatrudniają analizy składowych głównych (PCA), która opiera się na statystykach drugiego rzędu zbioru obrazów, a nie zajmuje wysokiego rzędu zależności statystycznych, takich jak relacje między trzema lub więcej pikseli. Niezależna analiza składowych (ICA) jest uogólnieniem PCA, która rozdziela momenty wysokiej kolejność wejścia oprócz momentów drugiego rzędu. ICA przeprowadzono na zestawie obrazów twarzy przez nienadzorowaną algorytmiczne pochodzącego z zasadą optymalnego przekazywania informacji przez sigmoidalnych neuronów. Algorytm maksymalizuje wymiany informacji między wejściem a wyjściem, który wytwarza statystycznie niezależne wyjścia w pewnych warunkach. . Reprezentacja ICA była lepsza od reprezentacji na podstawie analizy składowych głównych do rozpoznawania twarzy w całej sesji i zmian w ekspresji
Wymagania :
Matlab
Komentarze nie znaleziono