I en opgave som ansigtsgenkendelse, meget af den vigtige oplysninger kan være indeholdt i high-ordens relationer mellem billedet pixels. En række ansigtsgenkendelse algoritmer anvender principal komponent analyse (PCA), som er baseret på statistikkerne for billedsættet anden ordens, og omhandler ikke høj-ordens statistiske afhængigheder såsom relationer mellem tre eller flere pixels. Independent komponent analyse (ICA) er en generalisering af PCA som adskiller høj-ordens momenter af input i tillæg til de anden ordens øjeblikke. ICA blev udført på et sæt ansigtsbilleder af en uovervåget indlæring algoritme afledt af princippet om optimal information gennem sigmoidale neuroner. Algoritmen maksimerer den gensidige information mellem input og output, som producerer statistisk uafhængige udgange på visse betingelser. . ICA repræsentation var bedre repræsentationer baseret på hovedstolen komponenter analyse for at genkende ansigter på tværs af sessioner og ændringer i udtryk
Krav :
Matlab
Kommentarer ikke fundet