ICA Face Recognition

شرح

در کاری مانند تشخیص چهره، بسیاری از اطلاعات مهم ممکن است در روابط با مرتبه بالا بین پیکسل های تصویر موجود باشد. تعدادی از الگوریتم‌های تشخیص چهره از تجزیه و تحلیل مؤلفه اصلی (PCA) استفاده می‌کنند که بر اساس آمار مرتبه دوم مجموعه تصویر است و به وابستگی‌های آماری مرتبه بالا مانند روابط بین سه یا چند پیکسل نمی‌پردازد. تحلیل مؤلفه های مستقل (ICA) تعمیم PCA است که ممان های مرتبه بالای ورودی را علاوه بر ممان های مرتبه دوم جدا می کند. ICA بر روی مجموعه ای از تصاویر چهره توسط یک الگوریتم یادگیری بدون نظارت برگرفته از اصل انتقال اطلاعات بهینه از طریق نورون های سیگموئیدی انجام شد. این الگوریتم اطلاعات متقابل بین ورودی و خروجی را به حداکثر می‌رساند که در شرایط خاص خروجی‌های مستقل آماری تولید می‌کند. نمایش ICA نسبت به بازنمایی‌های مبتنی بر تجزیه و تحلیل مؤلفه‌های اصلی برای تشخیص چهره‌ها در طول جلسات و تغییرات در بیان برتری داشت.