Eigenface: Esplorare le profondità del riconoscimento visivo con Eigenface

Un eigenface è il nome dato a un insieme di autovettori quando utilizzato nel problema della visione artificiale del riconoscimento del volto umano. L'approccio dell'utilizzo degli eigenface per il riconoscimento è stato sviluppato da Sirovich e Kirby e utilizzato da Matthew Turk e Alex Pentland nella classificazione dei volti. Gli autovettori derivano dalla matrice di covarianza della distribuzione di probabilità sullo spazio vettoriale ad alta dimensione delle immagini dei volti. Le stesse facce stesse formano un insieme di base di tutte le immagini utilizzate per costruire la matrice di covarianza. Ciò produce una riduzione delle dimensioni consentendo al set più piccolo di immagini di base di rappresentare le immagini di training originali. La classificazione può essere ottenuta confrontando il modo in cui i volti sono rappresentati dal set di base.

Come trarrai beneficio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Eigenface

Capitolo 2: Analisi delle componenti principali

Capitolo 3: Scomposizione ai valori singolari

Capitolo 4: Autovalori e autovettori

Capitolo 5: Autocomposizione di una matrice

Capitolo 6: Analisi delle componenti principali del kernel

Capitolo 7: Analisi della matrice

Capitolo 8: Sistema dinamico lineare

Capitolo 9: Distribuzione normale multivariata

Capitolo 10: Modi di variazione

(II) Rispondere alle principali domande del pubblico su eigenface.

(III) Esempi reali per l'utilizzo di eigenface in molti campi.

A chi è rivolto questo libro

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di Eigenface.