Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightDeneysel sonuçlar, temel bilesen analizi yöntemi tabanlı yüz tanıma uygulamalarında robust yöntemlerin klasik yöntemlerden genellikle daha basarılı doğru tanıma oranları verdiğini göstermistir.
📌 3 Maddede Bu Makale
Özet
Bu çalısmada, temel bilesen analizi yöntemindeki klasik ortalama merkezilestirme yerine çesitli klasik ve robust tahmin ediciler kullanılarak Yale, ORL ve AR yüz veritabanları üzerinde yüz tanıma uygulamaları yapılmıstır. Normal dağılım varsayımının sağlanmadığı durumlarda veya veri kümesinde aykırı değer bulunması durumunda klasik yöntemlerden daha iyi sonuçlar verdiği bilinen bazı robust yöntemler, bu üç veritabanı üzerinde yapılan yüz tanıma deneylerinde klasik yöntemlerle karsılastırılmıstır. Yüz tanıma uygulamalarında görüntü örneği boyutları örnek sayısına göre çok büyüktür. Bu yüzden, veri kümesinin normal dağılım kosulunu sağlayıp sağlamadığı bilinememektedir. Deneysel sonuçlar, temel bilesen analizi yöntemi tabanlı yüz tanıma uygulamalarında robust yöntemlerin klasik yöntemlerden genellikle daha basarılı doğru tanıma oranları verdiğini göstermistir.
Abstract
In this study, face recognition applications on the YALE, ORL and AR face databases have been performed by using some classical and robust estimators instead of classical mean subtraction in the principal component analysis method. In the cases where the Normal distribution assumption is not valid or the data set includes outliers, some robust estimators which are known to have better results were compared with the classical estimators by making face recognition experiments using these three databases. In face recognition applications, the dimension of the image samples is very high as against the number of the samples. That’s why it’s not known whether the data set satisfies the Normal distribution condition. Experimental results demonstrated that robust methods usually gave beter correct recognition rates than the classical methods in principal component analysis method based face recognition applications.