Eigenface: Erkunden Sie die Tiefen der visuellen Erkennung mit Eigenface

Ein Eigenface ist der Name, der einer Reihe von Eigenvektoren gegeben wird, wenn sie im Computer-Vision-Problem der Erkennung menschlicher Gesichter verwendet werden. Der Ansatz, Eigengesichter zur Erkennung zu verwenden, wurde von Sirovich und Kirby entwickelt und von Matthew Turk und Alex Pentland bei der Gesichtsklassifizierung verwendet. Die Eigenvektoren werden aus der Kovarianzmatrix der Wahrscheinlichkeitsverteilung über den hochdimensionalen Vektorraum von Gesichtsbildern abgeleitet. Die Eigengesichter selbst bilden einen Basissatz aller Bilder, die zur Konstruktion der Kovarianzmatrix verwendet werden. Dies führt zu einer Dimensionsreduzierung, da der kleinere Satz von Basisbildern die ursprünglichen Trainingsbilder darstellen kann. Die Klassifizierung kann durch den Vergleich erreicht werden, wie Gesichter durch den Basissatz dargestellt werden.

Wie Sie davon profitieren

(I) Einblicke und Validierungen zu Folgendem Themen:

Kapitel 1: Eigenface

Kapitel 2: Hauptkomponentenanalyse

Kapitel 3: Singulärwertzerlegung

Kapitel 4: Eigenwerte und Eigenvektoren

Kapitel 5: Eigenzerlegung einer Matrix

Kapitel 6: Kernel-Hauptkomponentenanalyse

Kapitel 7: Matrixanalyse

Kapitel 8: Lineares dynamisches System

Kapitel 9: Multivariate Normalverteilung

Kapitel 10: Variationsmodi

(II) Beantwortung der häufigsten öffentlichen Fragen zu Eigenflächen.

(III) Beispiele aus der Praxis für die Verwendung von Eigenface in vielen Bereichen.

Für wen dieses Buch gedacht ist

Berufstätige, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über Grundkenntnisse oder Informationen für jede Art von Eigenface hinausgehen möchten.