ICA Face Recognition

Kuvaus

Tehtävässä, kuten kasvojentunnistuksessa, suuri osa tärkeästä tiedosta voi sisältyä kuvan pikselien välisiin korkean asteen suhteisiin. Useat kasvojentunnistusalgoritmit käyttävät pääkomponenttianalyysiä (PCA), joka perustuu kuvajoukon toisen asteen tilastoihin, eikä käsittele korkean asteen tilastollisia riippuvuuksia, kuten kolmen tai useamman pikselin välisiä suhteita. Itsenäinen komponenttianalyysi (ICA) on PCA:n yleistys, joka erottaa tulon korkean kertaluvun momentit toisen kertaluvun momenttien lisäksi. ICA suoritettiin kasvokuvien sarjalle valvomattomalla oppimisalgoritmilla, joka johdettiin periaatteesta optimaalinen tiedonsiirto sigmoidisten neuronien kautta. Algoritmi maksimoi tulon ja lähdön välisen keskinäisen informaation, mikä tuottaa tilastollisesti riippumattomia lähtöjä tietyissä olosuhteissa. ICA-esitys oli parempi kuin esitykset, jotka perustuivat pääkomponenttianalyysiin kasvojen tunnistamiseksi istuntojen ja ilmeen muutosten välillä.