Analisi dei componenti principali non lineari Un codice sorgente semplice ed efficace per il riconoscimento del volto basato su PCA non lineare.
Scarica ora

Analisi dei componenti principali non lineari Classifica e riepilogo

Analisi dei componenti principali non lineari Tag

viso riconoscimento Editor non lineare compressore lineare non lineare riconoscimento facciale login basato volto Elemento non lineare

Analisi dei componenti principali non lineari Descrizione

La riduzione della dimensionalità facilita notevolmente la classificazione del modello. Varie tecniche, lineari e non lineari, sono state ampiamente proposte e utilizzate per la riduzione della dimensionalità dei sistemi di riconoscimento del volto. Principio Analisi dei componenti (PCA) ha dimostrato di essere un metodo lineare semplice ed efficiente; Mentre molti metodi non lineari come il kernel PCA, sono stati proposti di recente. L'analisi dei componenti principali non lineari (NLPCA) è comunemente vista come una generalizzazione non lineare dell'analisi dei componenti principali standard (PCA). Generalizza i componenti principali da linee rette alle curve (non lineare). Pertanto, anche il sottospazio nello spazio dati originale descritto da tutti i componenti non lineari è curvato. PCA non lineare può essere raggiunto utilizzando una rete neurale con un'architettura autoassociativa nota anche come AutoCoder, Replicator Network, Bottleneck o SandGlack Type Network. Tale rete neurale autoassociativa è un perceptron multistrato che esegue una mappatura dell'identità, il che significa che l'uscita della rete è necessaria per essere identica all'ingresso. Tuttavia, nel mezzo della rete è uno strato che funziona come un collo di bottiglia in cui viene applicata una riduzione della dimensione dei dati. Questo strato di bottleneck fornisce i valori dei componenti desiderati (punteggi). Abbiamo sviluppato un semplice algoritmo che utilizza questa riduzione della dimensionalità non lineare per il riconoscimento del volto. Questo approccio non richiede il rilevamento di alcun punto di riferimento e può essere utilizzato per applicazioni in tempo reale.

Analisi dei componenti principali non lineari Software correlato