En una tarea, como el reconocimiento de rostros, gran parte de la información importante puede estar contenido en las relaciones de orden entre los píxeles de la imagen. Una serie de algoritmos de reconocimiento facial emplean análisis de componentes principales (ACP), que se basa en las estadísticas de segundo orden de la imagen de conjunto, y no se ocupa de orden superior dependencias estadísticas tales como las relaciones entre tres o más píxeles. Análisis de componentes independientes (ICA) es una generalización de PCA que separa los momentos de orden superior de la entrada en adición a los momentos de segundo orden. ICA se realizó en un conjunto de imágenes de la cara por un algoritmo de aprendizaje no supervisado derivado del principio de la transferencia de información óptima a través de las neuronas sigmoidal. El algoritmo maximiza la información mutua entre la entrada y la salida, que produce salidas estadísticamente independientes bajo ciertas condiciones. . Representación ICA fue superior a las representaciones basadas en el análisis de componentes principales para el reconocimiento de caras a través de las sesiones y los cambios en la expresión
Requisitos :
Matlab
Comentarios que no se encuentran