ICA Face Recognition

Opis

W zadaniu takim jak rozpoznawanie twarzy, wiele ważnych informacji może być zawartych w relacjach wyższego rzędu między pikselami obrazu. Szereg algorytmów rozpoznawania twarzy wykorzystuje analizę głównych składowych (PCA), która opiera się na statystykach drugiego rzędu zestawu obrazów i nie zajmuje się zależnościami statystycznymi wyższego rzędu, takimi jak relacje między trzema lub więcej pikselami. Analiza niezależnych komponentów (ICA) jest uogólnieniem PCA, które oddziela momenty wejściowe wyższego rzędu od momentów drugiego rzędu. ICA przeprowadzono na zestawie obrazów twarzy za pomocą nienadzorowanego algorytmu uczenia wywodzącego się z zasady optymalnego przekazywania informacji przez neurony sigmoidalne. Algorytm maksymalizuje wzajemne informacje między wejściem i wyjściem, co w określonych warunkach daje statystycznie niezależne wyniki. Reprezentacja ICA przewyższała reprezentacje oparte na analizie głównych komponentów w zakresie rozpoznawania twarzy w różnych sesjach i zmian w ekspresji.