본 논문은 Principal Component Analysis(PCA)와 Backpropagation(BP)을 이용하여 얼굴을 인식하는 기법을 제안한다. 원래의 얼굴영상에 PCA기법을 적용하여 저차원의 고유벡터(eigen-vector)와 고유얼굴(eigen-fac...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A76257191
2004
Korean
학술저널
85-89(5쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문은 Principal Component Analysis(PCA)와 Backpropagation(BP)을 이용하여 얼굴을 인식하는 기법을 제안한다. 원래의 얼굴영상에 PCA기법을 적용하여 저차원의 고유벡터(eigen-vector)와 고유얼굴(eigen-fac...
본 논문은 Principal Component Analysis(PCA)와 Backpropagation(BP)을 이용하여 얼굴을 인식하는 기법을 제안한다. 원래의 얼굴영상에 PCA기법을 적용하여 저차원의 고유벡터(eigen-vector)와 고유얼굴(eigen-face)를 생성하여 BP에 적용하여 가중치를 산출하는 방식이다. 훈련DB에 있는 얼굴영상들 에 대해 PCA를 적용하여 얻어진 고유벡터를 BP의 입력으로 하여 BP 가중치를 일정한 오차범위까지 학습한다. 다음에 테스트DB에서 PCA와 BP를 통해 얻어진 새로운 가중치를 훈련DB의 학습과정에서 얻어진 가중치와 비교함으로써 가장 적합한 얼굴을 찾아내게 된다. 본 연구에서는 PCA와 PCA+BP의 인식률 비교를 해본 결과 신경망을 통한 인식률이 더 뛰어나다는 결과를 얻을 수 있었다.
다국어 초록 (Multilingual Abstract)
This paper proposes a method of face recognition based on the PCA and Back - Propagation. PCA method produces a low - dimensional eigenvector and eigenface for the original face images. Then the back-propagation's weight is trained using the produced ...
This paper proposes a method of face recognition based on the PCA and Back - Propagation. PCA method produces a low - dimensional eigenvector and eigenface for the original face images. Then the back-propagation's weight is trained using the produced low - dimensional vectors. The proposed result shows better performance compared with those of PCA or BP methods.
목차 (Table of Contents)
리눅스 클러스터링을 이용한 컴퓨터 성능 개선에 관한연구