Cara Propia: Explorando las profundidades del reconocimiento visual con Eigenface

Qué es Eigenface

Una eigenface es el nombre que se le da a un conjunto de vectores propios cuando se utiliza en el problema de visión por computadora del reconocimiento de rostros humanos. El enfoque de utilizar caras propias para el reconocimiento fue desarrollado por Sirovich y Kirby y utilizado por Matthew Turk y Alex Pentland en la clasificación de rostros. Los vectores propios se derivan de la matriz de covarianza de la distribución de probabilidad sobre el espacio vectorial de alta dimensión de imágenes de rostros. Las propias caras propias forman un conjunto base de todas las imágenes utilizadas para construir la matriz de covarianza. Esto produce una reducción de dimensiones al permitir que el conjunto más pequeño de imágenes base represente las imágenes de entrenamiento originales. La clasificación se puede lograr comparando cómo se representan las caras mediante el conjunto básico.

Cómo se beneficiará

(I) Información y validaciones sobre lo siguiente temas:

Capítulo 1: Cara propia

Capítulo 2: Análisis de componentes principales

Capítulo 3: Descomposición de valores singulares

Capítulo 4: Valores propios y vectores propios

Capítulo 5: Descomposición propia de una matriz

Capítulo 6: Análisis de componentes principales del kernel

Capítulo 7: Análisis de matrices

Capítulo 8: Sistema dinámico lineal

Capítulo 9: Distribución normal multivariada

Capítulo 10: Modos de variación

(II) Respondiendo las principales preguntas del público sobre la cara propia.

(III) Ejemplos del mundo real para el uso de eigenface en muchos campos.

Para quién es este libro

Profesionales, estudiantes universitarios y estudiantes de posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básicos para cualquier tipo de Eigenface.