| dbo:abstract
|
- الوجوه الذاتية (بالإنجليزية Eigenfaces) هو الاسم الذي يطلق على مجموعة من المتجهات الذاتية عند استخدامها في رؤية الكمبيوتر للتعرف على الوجوه البشرية. تم تطوير منهجية استخدام الوجوه الذاتية من قبل Sirovich و Kirby في عام 1987 واستخدمت من قبل Matthew Turk و Alex Pentland في تصنيف الوجه.. يتم اشتقاق المتجهات الذاتية من مصفوفة التباين لتوزيع الاحتمال وذلك على فضاء متجه ذو أبعاد كثيرة لصور الوجوه. ثم يتم استخدام الوجوه الذاتية من مجموعة أساسية من جميع الصور وذلك لبناء مصفوفة التباين. ويؤدي ذلك إلى تقليل الأبعاد من خلال السماح لمجموعة أصغر من الصور الأساسية بتمثيل صور التدريب الأصلية. يمكن تحقيق التصنيف بمقارنة كيفية تمثيل الوجوه من خلال مجموعة الأساس. (ar)
- Els eigenfaces són un conjunt dels components principals de la distribució de les imatges de la cara. Són utilitzats per captar la variació d'una col·lecció d'imatges de cares. De fet, cada cara pot ser representada exactament en termes de combinacions lineals dels eigenfaces. L'objectiu és extreure la informació rellevant de la imatge digital d'una cara, codificar-la de la manera més eficient possible i comparar una codificació de la cara amb una base de dades, de models codificats, semblants. En termes matemàtics, es desitja trobar el component principal de la distribució de cares o dels vectors de la matriu de covariància del conjunt d'imatges, on es considera un punt en l'espai n-dimensional d'una imatge amb N píxels. Es basen en la projecció lineal de l'espai de la imatge a un espai de característiques de baixa dimensionalitat. Es poden extreure mitjançant la tècnica d'anàlisi del component principal (ACP). Per mitjà de l'ACP es pot transformar cada imatge original, del conjunt d'entrenament, en un eigenface corresponent. Alhora es pot reconstruir qualsevol imatge amb la combinació dels eigenfaces. Molts dels treballs en màquines de reconeixement de cares estaven centrats en la detecció individual de característiques tals com els ulls, nas, boca, posició... però aquests enfocaments han demostrat ser difícils d'estendre a diferents punts de vista i ser poc eficients. L'objectiu principal és desenvolupar un model computacional de reconeixement facial que sigui ràpid, raonablement simple i precís en entorns limitats. La idea d'utilitzar els eigenfaces va ser desenvolupat per Sirovich i Kirby (1987) i utilitzat per Matthew Turk i Alex Pentland, per a la detecció i reconeixement de la cara. Aquest es considera la primera tecnologia del reconeixement facial i va servir de base per als principals productes comercials. Per completar eigenfaces, ha estat desenvolupat . Això combina mesures facials (mesurant la distància entre els trets facials) amb la tècnica d'eigenface. Un altre mètode utilitza fisherfaces que és menys sensible a les variacions de lluminositat. (ca)
- Ajgenvizaĝo estas nomo por ajgenvektoroj, en la kunteksto de komputila vizaĝrekonado. La metodon rekoni vizaĝon per ajgenvizaĝo inventis Sirovich kaj Kirby (1987) kaj plenumis Matthew Turk kaj Alex Pentland por vizaĝklasado. La ajgenvizaĝoj devenas de la de la probablodistribuo super alt-dimensia vektora spaco de bildoj de vizaĝo. La ajgenvizaĝo mem formas bazo-aron por ĉiuj bildoj uzitaj por komputi la kunvariancan matricon. Ĉi tio malmultigas dimension, ĉar oni uzas la malgrandan aron por reprezenti la originajn trejnajn bildojn. Oni povas ankaŭ klasi bildojn per ilia reprezento en la bazo-aro. (eo)
- An eigenface (/ˈaɪɡənˌfeɪs/) is the name given to a set of eigenvectors when used in the computer vision problem of human face recognition. The approach of using eigenfaces for recognition was developed by Sirovich and Kirby and used by Matthew Turk and Alex Pentland in face classification. The eigenvectors are derived from the covariance matrix of the probability distribution over the high-dimensional vector space of face images. The eigenfaces themselves form a basis set of all images used to construct the covariance matrix. This produces dimension reduction by allowing the smaller set of basis images to represent the original training images. Classification can be achieved by comparing how faces are represented by the basis set. (en)
- Eigengesichter (auch engl. Eigenfaces genannt) sind das Resultat eines Verfahrens zur automatisierten Gesichtserkennung. Als Methode des maschinellen Sehens ermöglichen Eigengesichter die Erkennung von einer vorab trainierten Menge menschlicher Identitäten in Echtzeit – verlangen jedoch ein sehr hohes Maß an Homogenität in Bezug auf Lichtverhältnisse, Größe der Bilder, Rotation und Skalierung des Gesichts. Aufgrund dieser hohen Sensibilität für Variation zwischen Trainingsdatensatz und tatsächlich zu klassifizierendem Gesicht werden Eigengesichter in der Praxis immer seltener zur Gesichtserkennung verwandt. Das 1991 entwickelte Verfahren gilt als die erste vollautomatisierte Gesichtserkennungstechnologie und stellte die Grundlage für eine Vielzahl an Weiterentwicklungen, industriellen Anwendungen und Inspirationen für alternative Ansätze dar. Die Methode basiert auf der Hauptkomponentenanalyse und fällt daher, im Gegensatz zu moderneren Verfahren mittels Convolutional Neural Networks, in die Kategorie des unüberwachten Lernens. (de)
- Les eigenfaces sont un ensemble de vecteurs propres utilisés dans le domaine de la vision artificielle afin de résoudre le problème de la reconnaissance du visage humain. Le recours à des eigenfaces pour la reconnaissance a été développé par Sirovich et Kirby (1987) et utilisé par Matthew Turk et Alex Pentland pour la classification de visages. Cette méthode est considérée comme le premier exemple réussi de technologie de reconnaissance faciale. Ces vecteurs propres sont dérivés de la matrice de covariance de la distribution de probabilité de l'espace vectoriel de grande dimension des possibles visages d'êtres humains. C'est aussi la méthode la plus simple et la plus flexible. On le retrouve notamment dans plusieurs travaux de recherches. Deux chercheurs béninois [KPOZE Aurélie et TOSSOU Christian]ont utilisé cette méthode pour faire un système de reconnaissance faciale pour accès aux salles d'examens, une première dans un pays africain en voie de sous-développement où la recherche en IoT est en plein essor. (fr)
- 固有顔（英: Eigenface）とは、顔認識システムというコンピュータビジョンの応用で使われる固有ベクトルの集合である。固有顔を利用した顔認識は1987年、Matthew Turk と Alex Pentland が開発した。 この固有ベクトル群は、「人間の考えられる顔」の高次元ベクトル空間の確率分布についての共分散行列から得られる。 (ja)
- Een eigenface is een basisvorm van een gezicht in de vorm van een rasterafbeelding, waarin een of meer specifieke gezichtskenmerken aanwezig zijn. Eigenfaces worden gebruikt in de gezichtsherkenning door computers. De techniek om eigenfaces te gebruiken in de gezichtsherkenning werd in 1987 door Sirovich en Kirby ontwikkeld en later toegepast door Matthew Turk en Alex Pentland toegepast. De toepassing van eigenfaces wordt algemeen beschouwd als de eerste technologie voor gezichtsherkenning die aantoonbaar resultaat gaf. Een menselijk gezicht wordt met de techniek opgebouwd als de gewogen som van een aantal eigenfaces. Het aantal eigenfaces wordt zodanig bepaald dat alle mogelijke gezichten uit een beperkt aantal eigenfaces kan worden opgebouwd. Een bepaald gezicht wordt door de gewichtsfactoren gekenmerkt en kan daaraan herkend worden. Ieder gezicht is dus door de waarden van de gewichtsfactoren bepaald. Om een verzameling eigenfaces te genereren wordt uitgegaan van een groot aantal gedigitaliseerde en onder dezelfde lichtomstandigheden genomen foto's van gezichten van mensen. Deze worden aangepast door ze even groot te maken, dus met dezelfde pixelafmetingen, en ogen en mond over elkaar te laten vallen. Met wiskundige technieken, zoals hoofdcomponentenanalyse, worden de eigenfaces bepaald als de eigenvectoren van de bijbehorende covariantiematrix. (nl)
- Ett egenansikte (eng. eigenface) är ett standardansikte skapat utifrån en stor mängd ansikten i en databas, som fångar de viktigaste egenskaperna hos ett ansikte. När man har skapat en mängd av egenansikten kan ett godtyckligt ansikte approximeras som en summa av egenansikten, vilket är mycket användbart i ansiktsigenkänning. Egenansiktena skapas genom att man utifrån många bilder på ansikten normerar dem så att de har samma upplösning och position på ögon och mun. Därefter används principalkomponentanalys (PCA) för att plocka ut de ansikten som bäst beskriver alla ansikten i mängden. I PCA:n beräknas nämligen egenvektorer och egenvärden, där egenvektorerna är de som kallas egenansikten. Egenansiktena är de riktningar som ansiktena skiljer sig från medelvärdesbilden av alla ansikten. Ofta behåller man de egenansikten som har högst egenvärden och därmed är mest representativa. Alla egenansikten är ortogonala och bildar en bas för ett underrum till alla möjliga ansikten. (sv)
- 特征脸（Eigenface）是指用于机器视觉领域中的人脸识别问题的一组特征向量。使用特征脸进行人脸识别的方法首先由Sirovich and Kirby (1987)提出，并由和用于人脸分类。该方法被认为是第一种有效的人脸识别方法。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来。 (zh)
|
| dbo:thumbnail
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 24100 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:date
| |
| dbp:url
| |
| dbp:wikiPageUsesTemplate
| |
| dcterms:subject
| |
| gold:hypernym
| |
| rdf:type
| |
| rdfs:comment
|
- الوجوه الذاتية (بالإنجليزية Eigenfaces) هو الاسم الذي يطلق على مجموعة من المتجهات الذاتية عند استخدامها في رؤية الكمبيوتر للتعرف على الوجوه البشرية. تم تطوير منهجية استخدام الوجوه الذاتية من قبل Sirovich و Kirby في عام 1987 واستخدمت من قبل Matthew Turk و Alex Pentland في تصنيف الوجه.. يتم اشتقاق المتجهات الذاتية من مصفوفة التباين لتوزيع الاحتمال وذلك على فضاء متجه ذو أبعاد كثيرة لصور الوجوه. ثم يتم استخدام الوجوه الذاتية من مجموعة أساسية من جميع الصور وذلك لبناء مصفوفة التباين. ويؤدي ذلك إلى تقليل الأبعاد من خلال السماح لمجموعة أصغر من الصور الأساسية بتمثيل صور التدريب الأصلية. يمكن تحقيق التصنيف بمقارنة كيفية تمثيل الوجوه من خلال مجموعة الأساس. (ar)
- Ajgenvizaĝo estas nomo por ajgenvektoroj, en la kunteksto de komputila vizaĝrekonado. La metodon rekoni vizaĝon per ajgenvizaĝo inventis Sirovich kaj Kirby (1987) kaj plenumis Matthew Turk kaj Alex Pentland por vizaĝklasado. La ajgenvizaĝoj devenas de la de la probablodistribuo super alt-dimensia vektora spaco de bildoj de vizaĝo. La ajgenvizaĝo mem formas bazo-aron por ĉiuj bildoj uzitaj por komputi la kunvariancan matricon. Ĉi tio malmultigas dimension, ĉar oni uzas la malgrandan aron por reprezenti la originajn trejnajn bildojn. Oni povas ankaŭ klasi bildojn per ilia reprezento en la bazo-aro. (eo)
- An eigenface (/ˈaɪɡənˌfeɪs/) is the name given to a set of eigenvectors when used in the computer vision problem of human face recognition. The approach of using eigenfaces for recognition was developed by Sirovich and Kirby and used by Matthew Turk and Alex Pentland in face classification. The eigenvectors are derived from the covariance matrix of the probability distribution over the high-dimensional vector space of face images. The eigenfaces themselves form a basis set of all images used to construct the covariance matrix. This produces dimension reduction by allowing the smaller set of basis images to represent the original training images. Classification can be achieved by comparing how faces are represented by the basis set. (en)
- 固有顔（英: Eigenface）とは、顔認識システムというコンピュータビジョンの応用で使われる固有ベクトルの集合である。固有顔を利用した顔認識は1987年、Matthew Turk と Alex Pentland が開発した。 この固有ベクトル群は、「人間の考えられる顔」の高次元ベクトル空間の確率分布についての共分散行列から得られる。 (ja)
- 特征脸（Eigenface）是指用于机器视觉领域中的人脸识别问题的一组特征向量。使用特征脸进行人脸识别的方法首先由Sirovich and Kirby (1987)提出，并由和用于人脸分类。该方法被认为是第一种有效的人脸识别方法。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来。 (zh)
- Els eigenfaces són un conjunt dels components principals de la distribució de les imatges de la cara. Són utilitzats per captar la variació d'una col·lecció d'imatges de cares. De fet, cada cara pot ser representada exactament en termes de combinacions lineals dels eigenfaces. Molts dels treballs en màquines de reconeixement de cares estaven centrats en la detecció individual de característiques tals com els ulls, nas, boca, posició... però aquests enfocaments han demostrat ser difícils d'estendre a diferents punts de vista i ser poc eficients. (ca)
- Eigengesichter (auch engl. Eigenfaces genannt) sind das Resultat eines Verfahrens zur automatisierten Gesichtserkennung. Als Methode des maschinellen Sehens ermöglichen Eigengesichter die Erkennung von einer vorab trainierten Menge menschlicher Identitäten in Echtzeit – verlangen jedoch ein sehr hohes Maß an Homogenität in Bezug auf Lichtverhältnisse, Größe der Bilder, Rotation und Skalierung des Gesichts. Aufgrund dieser hohen Sensibilität für Variation zwischen Trainingsdatensatz und tatsächlich zu klassifizierendem Gesicht werden Eigengesichter in der Praxis immer seltener zur Gesichtserkennung verwandt. Das 1991 entwickelte Verfahren gilt als die erste vollautomatisierte Gesichtserkennungstechnologie und stellte die Grundlage für eine Vielzahl an Weiterentwicklungen, industriellen Anwe (de)
- Les eigenfaces sont un ensemble de vecteurs propres utilisés dans le domaine de la vision artificielle afin de résoudre le problème de la reconnaissance du visage humain. Le recours à des eigenfaces pour la reconnaissance a été développé par Sirovich et Kirby (1987) et utilisé par Matthew Turk et Alex Pentland pour la classification de visages. Cette méthode est considérée comme le premier exemple réussi de technologie de reconnaissance faciale. Ces vecteurs propres sont dérivés de la matrice de covariance de la distribution de probabilité de l'espace vectoriel de grande dimension des possibles visages d'êtres humains. C'est aussi la méthode la plus simple et la plus flexible. On le retrouve notamment dans plusieurs travaux de recherches. Deux chercheurs béninois [KPOZE Aurélie et TOSSOU C (fr)
- Een eigenface is een basisvorm van een gezicht in de vorm van een rasterafbeelding, waarin een of meer specifieke gezichtskenmerken aanwezig zijn. Eigenfaces worden gebruikt in de gezichtsherkenning door computers. De techniek om eigenfaces te gebruiken in de gezichtsherkenning werd in 1987 door Sirovich en Kirby ontwikkeld en later toegepast door Matthew Turk en Alex Pentland toegepast. De toepassing van eigenfaces wordt algemeen beschouwd als de eerste technologie voor gezichtsherkenning die aantoonbaar resultaat gaf. (nl)
- Ett egenansikte (eng. eigenface) är ett standardansikte skapat utifrån en stor mängd ansikten i en databas, som fångar de viktigaste egenskaperna hos ett ansikte. När man har skapat en mängd av egenansikten kan ett godtyckligt ansikte approximeras som en summa av egenansikten, vilket är mycket användbart i ansiktsigenkänning. (sv)
|
| rdfs:label
|
- وجوه ذاتية (ar)
- Eigenface (ca)
- Eigengesichter (de)
- Ajgenvizaĝo (eo)
- Eigenface (en)
- Eigenface (fr)
- 固有顔 (ja)
- Eigenface (nl)
- Egenansikte (sv)
- 特征脸 (zh)
|
| rdfs:seeAlso
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:depiction
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
