Face Image Analysis by Unsupervised Learning
Marian Stewart Bartlett
2012 թ. դեկ · The Springer International Series in Engineering and Computer Science Գիրք 612 · Springer Science & Business Media
Էլ. գիրք
173
Էջեր
reportԳնահատականները և կարծիքները չեն ստուգվում Իմանալ ավելին
Այս էլ․ գրքի մասին
Face Image Analysis by Unsupervised Learning explores adaptive approaches to image analysis. It draws upon principles of unsupervised learning and information theory to adapt processing to the immediate task environment. In contrast to more traditional approaches to image analysis in which relevant structure is determined in advance and extracted using hand-engineered techniques, Face Image Analysis by Unsupervised Learning explores methods that have roots in biological vision and/or learn about the image structure directly from the image ensemble. Particular attention is paid to unsupervised learning techniques for encoding the statistical dependencies in the image ensemble.
The first part of this volume reviews unsupervised learning, information theory, independent component analysis, and their relation to biological vision. Next, a face image representation using independent component analysis (ICA) is developed, which is an unsupervised learning technique based on optimal information transfer between neurons. The ICA representation is compared to a number of other face representations including eigenfaces and Gabor wavelets on tasks of identity recognition and expression analysis. Finally, methods for learning features that are robust to changes in viewpoint and lighting are presented. These studies provide evidence that encoding input dependencies through unsupervised learning is an effective strategy for face recognition.
Face Image Analysis by Unsupervised Learning is suitable as a secondary text for a graduate-level course, and as a reference for researchers and practitioners in industry.
The first part of this volume reviews unsupervised learning, information theory, independent component analysis, and their relation to biological vision. Next, a face image representation using independent component analysis (ICA) is developed, which is an unsupervised learning technique based on optimal information transfer between neurons. The ICA representation is compared to a number of other face representations including eigenfaces and Gabor wavelets on tasks of identity recognition and expression analysis. Finally, methods for learning features that are robust to changes in viewpoint and lighting are presented. These studies provide evidence that encoding input dependencies through unsupervised learning is an effective strategy for face recognition.
Face Image Analysis by Unsupervised Learning is suitable as a secondary text for a graduate-level course, and as a reference for researchers and practitioners in industry.
Գնահատեք էլ․ գիրքը
Կարծիք հայտնեք։
Տեղեկություններ
Սմարթֆոններ և պլանշետներ
Տեղադրեք Google Play Գրքեր հավելվածը Android-ի և iPad/iPhone-ի համար։ Այն ավտոմատ համաժամացվում է ձեր հաշվի հետ և թույլ է տալիս կարդալ առցանց և անցանց ռեժիմներում:
Նոթբուքներ և համակարգիչներ
Դուք կարող եք լսել Google Play-ից գնված աուդիոգրքերը համակարգչի դիտարկիչով:
Գրքեր կարդալու սարքեր
Գրքերը E-ink տեխնոլոգիան աջակցող սարքերով (օր․՝ Kobo էլեկտրոնային ընթերցիչով) կարդալու համար ներբեռնեք ֆայլը և այն փոխանցեք ձեր սարք։ Մանրամասն ցուցումները կարող եք գտնել Օգնության կենտրոնում։
