liens sponsorisés
Description

« Nous, la grande variation pour » un algorithme de détection de visage insensible
Développer des Sous la direction de indir.biz : nous, grande variation dans les expressions du visage et de la direction de l'éclairage une élaboration insensible d'algorithmes de détection face. Approche de la classification pattern, prise d'une photo dans un espace de grande dimension, examiner chaque pixel comme une coordonnée. Nous avons observé que sous illumination variable mais fixe présentent un particulier images du visage, un mensonge de sous-espace Space â 3D image haute dimension linéaire pour profiter ? Si le visage sans ombres lambertien surface. Cependant, les surfaces latérales et non-Lambertian vraiment font pour produire translucides, images vont s'écarter ce sous-espace. Plutôt que de modélisation explicitement cette déviation, nous comme un espace sub-linéaire, avec les plus grandes réductions de déviation dans ces régions face à projet de l'image. Notre méthode de projection est basé sur Fisherâ ? S et produit un faibles dimensions sous-espace discriminante linéaire séparés classes, l'éclairage et du visage expressions, même sous le régime de variation sévère. Eigenface technique, une autre méthode pour faible dimension sous-espace basé sur projeter le champ image des exigences informatiques sont comparables. Cependant, les résultats expérimentaux vaste montre que l'â proposé ? Fisherfaceâ ? Cette méthode teste sur la technique de Harvard et à Yale le visage de bases de données pour Eigenface plus faibles taux d'erreur. Pour une liste complète des bases de données de la piscine municipale dans le Match de 1.0 maintenant libre de trouver FisherFaces.

liens sponsorisés

COMMENTAIRES

Se connecter ou de vous inscrire pour laisser un commentaire.

Taux des visiteurs

8 Star  
  12

Taux membre

8 Star  
  25

Ortalama oy:

3,8

1  2  3  4  5
4.545