ICA Face Recognition

Beschreibung

Bei einer Aufgabe wie der Gesichtserkennung können viele der wichtigen Informationen in den Beziehungen höherer Ordnung zwischen den Bildpixeln enthalten sein. Eine Reihe von Gesichtserkennungsalgorithmen verwenden eine Hauptkomponentenanalyse (PCA), die auf Statistiken zweiter Ordnung des Bildsatzes basiert und statistische Abhängigkeiten höherer Ordnung, wie die Beziehungen zwischen drei oder mehr Pixeln, nicht anspricht. Die unabhängige Komponentenanalyse (ICA) ist eine Verallgemeinerung der PCA, die die Momente höherer Ordnung der Eingabe zusätzlich zu den Momenten zweiter Ordnung trennt. ICA wurde an einer Reihe von Gesichtsbildern durch einen unüberwachten Lernalgorithmus durchgeführt, der aus dem Prinzip der optimalen Informationsübertragung durch sigmoidale Neuronen abgeleitet wurde. Der Algorithmus maximiert die gegenseitige Information zwischen der Eingabe und der Ausgabe, was unter bestimmten Bedingungen statistisch unabhängige Ausgaben erzeugt. Die ICA-Darstellung war den Darstellungen, die auf der Hauptkomponentenanalyse basierten, überlegen, um Gesichter über Sitzungen hinweg und Änderungen im Ausdruck zu erkennen.