Was ist 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 Ăźber den hochdimensionalen Vektorraum von Gesichtsbildern abgeleitet. Die Eigengesichter selbst bilden einen Basissatz aller Bilder, die zur Konstruktion der Kovarianzmatrix verwendet werden. Dies fĂźhrt zu einer Dimensionsreduzierung, da der kleinere Satz von Basisbildern die ursprĂźnglichen 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 Üffentlichen Fragen zu Eigenflächen.
(III) Beispiele aus der Praxis fĂźr die Verwendung von Eigenface in vielen Bereichen.
FĂźr wen dieses Buch gedacht ist
Berufstätige, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die ßber Grundkenntnisse oder Informationen fßr jede Art von Eigenface hinausgehen mÜchten.