06-10-06

eerst oep oe eigen EIGENFACE leren toekken

Enigszins gerelateerd aan het ondernemend-artistieke reizen naar het visueel onbestemde van Robert Pepperell hieronder is het gebruik van het zgn. eigenface algoritme bij gezichtsherkenningsprogramma's.

Eigenfaces zijn een set van gestandaardiseerde gezichtsingrediënten gegenereerd op basis van statistische gegevens die het mogelijk maken om elk gezicht te definIëren in termen van zoveel procent van dit en zoveel van dat en zoveel van die eigenface.
U raadde het al: dat 'eigen' is geen Nederlands maar Duits, het betekent dus wel hetzelfde, maar de heren Hibert of Helmholtz waren ons Nederlandstaligen vóór om het woordje 'eigen' op mathematische wijze te gebruiken voor 'karakteristiek' en beide heren waren vaneigens dus erg karakteristiek, euh, nogal Duits. Soit.

In de aanloop naar de verkiezingen, leest dus heden altegader eerst dit hier en dan het artikel Eigenwaarde (wiskundig) in wikipedia NL, maar ook, want dat belooft grappig te worden, mijn eigenste gefezel hieronder.

De uitleg hierover in de bestanden van de Engelstalige wikipedia klinken misschien ingewikkeld, de ideeën die eraan ten grondslag liggen zijn vrij simpel.

Het doordeweekse HOE MAAK IK EEN EIGENFACE-recept gaat alsvolgt (zie hier voor een voorbeeld-toepassing in Matlab, een veel gebruikte programmatie-omgeving voor mathematici):

1. Pak een verzameling van heel veel foto's van gezichten genomen met ongeveer dezelfde belichting. Bedoeld wordt hier echt wel 'héél veel', met 'veel' of 'tamelijk veel' komt u (tamelijk) nergens

2. resample al die prentjes naar 1 afmeting (bv. X=150 op Y=200 pixels ) zodanig dat de ogen op ong dezelfde plaats staan en de neus recht naar beneden (of scheef als het een scheve neus is)

3.meet de waarden van de pixels op elke plaats en stop die in een database, je bekomt dan een vectorruimte [XY]

4. buk u effie voor laag overvliegende statistici (het schuim op hun lippen neemt meestal de vorm aan van 'covariantie matrices', 'hoofdcomponentenanalysen' of 'meer-dimensionale vectorruimtes' maar is verder geheel ongevaarlijk) want hieruit moeten de eigenvectoren ge-extraheerd worden. Vermits die vectoren ook binnen dezelfde pixeldimensies vallen, kan je die ook gaan voorstellen als prentjes met grijswaarden. Ziehier enkele van die grijzige eigenfaces:

Voorbeelden van Eigenfaces

Geef toe dat dit mensen zijn om mottig van te worden.

12:31 Gepost door dv in 00 alles was beter | Permalink | Commentaren (1) |  Facebook |

Commentaren

Ik ga dit straks eens rustig bekijken. Misschien kan ik daar wel iets meedoen. Ik schrijf namelijk over iemand met een quaisi totale afasie voor het lezen van gezichten.

Gepost door: Didi de Paris | 07-10-06

De commentaren zijn gesloten.