I en oppgave som ansiktsgjenkjenning, mye av den viktige informasjonen kan finnes i de høyereordens relasjoner mellom bilde piksler. En rekke av ansiktsgjenkjennelses algoritmer benytter hovedkomponentanalyse (PCA), som er basert på de andre-ordens statistikk av bildesettet, og omhandler ikke høyereordens statistiske avhengigheter, for eksempel forholdet mellom tre eller flere piksler. Uavhengige komponentanalyse (ICA) er en generalisering av PCA som skiller de høyereordens øyeblikk av innspill i tillegg til de andre-ordens øyeblikk. ICA ble utført på et sett av ansiktsbilder av en ukontrollert læringsalgoritme avledet fra prinsippet om optimal informasjonsoverføring gjennom sigmoidal neuroner. Algoritmen maksimerer den gjensidige informasjon mellom inngangen og utgangen, noe som frembringer en statistisk uavhengige utganger under visse betingelser. . ICA representasjon var overlegen til representasjoner basert på rektor komponenter analyse for å gjenkjenne ansikter på tvers av økter og endringer i uttrykk
Krav :
Matlab
Kommentarer ikke funnet