Documente Academic
Documente Profesional
Documente Cultură
(FACE RECOGNITION)
Ce face PCA?
1.Antrenarea datelor
1.1 Se creeaza matricea de covariant pentru setul de antrenare
1.1.1 Covariana:
- covariana reprezint o masura a imprastierii unui set de puncte, n jurul
centrului lor de masa
- reprezint o msur a ct de mult variaz fiecare dimensiune de la centrul ei
de masa.
- covarianta este msurat ntre 2 dimensiuni, pentru a se vedea dac exist o
relaie ntre acestea.
Algoritmul
1) Se consider un set de imagini M de antrenare, imagini care conin fete. Se
presupune c dimensiunea imaginilor este de NXN. Spre exemplu, fiecare
imagine va avea dimensiunea 50X50 pixeli.
2) Convertirea imaginilor din setul de antrenare n vectori de fee.
- Odat ce avem setul de antrenare, se ncepe procesul efectiv de antrenare
al datelor. Fiecare imagine din set v-a fi convertit la o forma vectorial (vector
coloana), deoarece PCA nu e capabil s proceseze direct imaginile.
Fiecare vector resultant, v-a avea dimensiunea de NXN.
3) Normalizarea vectorilor de fete.
- Presupune eliminarea caracteristicilor commune pe care toate datele
antrenate le prezint, ca la final s ramn doar caracteristile unice pe care
imaginile le prezint.
Limitri
- Spre exemplu, dimensiunea unei imaginii e de 50X50 de pixeli, se v-a genera
o matrice de covarian de dimensiune 2500X2500. Din cauza c e nevoie s se
gseasc n aceast matrice de covariant k eigenfaces semnificative, datorit
faptului c numrul de imagini de antrenare introduse nu poate fi mai mare
dect cei 2500 de eigenvectors generai, aceast cautare genereaz memoryconsumption mare i devine ineficient.
s
originala a spatiului