ICA Face Recognition

Beskrivelse

I en opgave som f.eks. ansigtsgenkendelse kan meget af den vigtige information være indeholdt i de høje ordensforhold mellem billedpixelerne. En række ansigtsgenkendelsesalgoritmer anvender principal component analyse (PCA), som er baseret på andenordens statistikker for billedsættet og ikke adresserer højordens statistiske afhængigheder såsom forholdet mellem tre eller flere pixels. Uafhængig komponentanalyse (ICA) er en generalisering af PCA, som adskiller højordensmomenterne af input ud over andenordensmomenterne. ICA blev udført på et sæt ansigtsbilleder af en uovervåget indlæringsalgoritme afledt af princippet om optimal informationsoverførsel gennem sigmoide neuroner. Algoritmen maksimerer den gensidige information mellem input og output, hvilket producerer statistisk uafhængige output under visse betingelser. ICA-repræsentation var overlegen i forhold til repræsentationer baseret på hovedkomponentanalyse til genkendelse af ansigter på tværs af sessioner og ændringer i udtryk.