Pca + Eigen Face [VN]
Transcript of Pca + Eigen Face [VN]
PCA + EIGENFACE
ĐỘ THƯA CỦA DATA
Giá trị trung bình(Mean) Độ thưa của data ?
Phương sai(variance) S1 = 69.33 S2 = 3.33 Data 1 chiều
1
1 n
ii
X Xn
2 2
1
1( )
1
n
ii
s X Xn
[ 0 8 12 20][ 8 9 11 12]
10X
ĐỘ THƯA CỦA DATA(TT)
Hiệp phương sai(Covariance)
Ma trận hiệp phương sai(Covariance Matrix)
1
1cov( , ) ( )( )
1
cov( , ) cov( , )
n
i ii
X Y X X Y Yn
X Y Y X
cov( 1, 1) cov( 1, 2) ... cov( 1, )
cov( 2, 1) cov( 2, 2) ... cov( 2, )
.........
cov( , 1) cov( , 1) ... cov( , )
x x x x x xn
x x x x x xnC
xn x xn x xn xn
EIGEN
Ax= λx A: ma trận vuông
Eigenvalue λ =3
Eigenvector
2 1 1 13
1 2 1 1
1
1
PCA
?
PCA
n chiều
p chiều
EIGENFACE
Xây dựng năm 1991 bởi M.Turk Dựa trên PCA
Giảm chiều của data Tăng tốc độ tính toán
EIGENFACE, THUẬT TOÁN
Giả sử Ảnh là hình vuông W=H=N M là số ảnh trong database P là số người trong ảnh Vd: bức ảnh kích thức 256x256
Mô tả vector 65536 chiều Mỗi ảnh là một điểm trong không gian
65536 chiều
EIGENFACE, THUẬT TOÁN
Database
2
1
2
N
b
b
b
2
1
2
N
c
c
c
2
1
2
N
d
d
d
2
1
2
N
e
e
e
2
1
2
N
a
a
a
2
1
2
N
f
f
f
2
1
2
N
g
g
g
2
1
2
N
h
h
h
EIGENFACE, THUẬT TOÁN
Tính gương mặt trung bình
2 2 2
1 1 1
2 2 21, 8
N N N
a b h
a b hm where M
M
a b h
EIGENFACE, THUẬT TOÁN
Trừ cho ma trận trung bình
2 2 2 2 2 2 2 2
2 2
1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
1 1 1 1
2 2
, , , ,
,
m m m m
N N N N N N N N
m m
N N
a m b m c m d m
a m b m c m d ma b c d
a m b m c m d m
e m f m
e m fe f
e m
2 2 2 2 2 2
1 1 1 1
2 2 2 2 2 2, ,m m
N N N N N N
g m h m
m g m h mg h
f m g m h m
EIGENFACE, THUẬT TOÁN
Chúng ta xây dựng 1 ma trận N2 x M
Ma trận hiệp phương sai là ma trận N2 x N2
m m m m m m m mA a b c d e f g h
Cov AA
EIGENFACE, THUẬT TOÁN
Tìm eigenvalues của ma trận hiệp phương sai Tìm ra M eigenvalues để giảm chiều của
ảnh Ma trận hiệp phương sai có kích thước lớn Việc tính toán là quá phức tạp, không khả
thi Giải pháp khác ?
EIGENFACE, THUẬT TOÁN
Xem xét một ma trận khác M x M
Tìm M eigenvalues và eigenvectors E Xây dựng ma trận feature V từ
eigenvectors (E) của L Eigenvectors của Cov là sự kết hợp
tuyến tính của không gian ảnh với eigenvectors của L
L A A
U AV
EIGENFACE, THUẬT TOÁN
Tính cho mỗi ảnh mặt người và đặt vào không gian mặt người
Tính toán ngưỡng
1 2 3 4
5 6 7 8
, , , ,
, , ,
m m m m
m m m m
U a U b U c U d
U e U f U g U h
1max , 1..
2 i j for i j M
EIGENFACE, THUẬT TOÁN
Nhận dạng
Trừ cho mặt trung bình
2
1
2
N
r
r
r
2 2
1 1
2 2
m
N N
r m
r mr
r m
EIGENFACE, THUẬT TOÁN
Chiếu vào không gian mặt người
Tính khoảng cách đến các khuôn mặt đã biết
mU r
22 1..i i for i M
EIGENFACE, THUẬT TOÁN
Xây dựng lại khuôn mặt từ eigenfaces
Tính khoảng cách giữa ảnh gốc với ảnh được xây dựng lại
s U
22mr s
EIGENFACE, THUẬT TOÁN
Đưa ra kết luận Nếu thì không là ảnh mặt người Nếu đây là mặt mới Nếu thì đây là mặt đã
biết
à , ( 1.. )iv i M
à min iv