Dans une tâche telle que la reconnaissance faciale, la plupart des informations importantes peuvent être contenus dans les relations d'ordre élevé parmi les pixels de l'image. Un certain nombre d'algorithmes de reconnaissance de visage emploient analyse en composantes principales (ACP), qui est basé sur les statistiques de second ordre de l'ensemble de l'image, et ne traite pas d'ordre élevé dépendances statistiques telles que les relations entre les trois ou plusieurs pixels. Analyse en composantes indépendantes (ICA) est une généralisation de l'APC qui sépare les moments d'ordre élevé de l'entrée en plus des moments de second ordre. ICA a été réalisée sur un ensemble d'images de visage par un algorithme d'apprentissage non supervisé dérivé du principe de transfert de l'information optimale par les neurones sigmoïdes. L'algorithme maximise l'information mutuelle entre l'entrée et la sortie, ce qui produit des résultats statistiquement indépendantes dans certaines conditions. . Représentation ICA était supérieur à des représentations basées sur analyse en composantes principales pour la reconnaissance des visages à travers des sessions et des changements dans l'expression
Exigences :
Matlab
Commentaires non trouvées