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

Property Value
dbo:abstract
  • 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)
  • 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)
dbo:thumbnail
dbo:wikiPageID
  • 6714775 (xsd:integer)
dbo:wikiPageLength
  • 1385 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 181392214 (xsd:integer)
dbo:wikiPageWikiLink
prop-fr:wikiPageUsesTemplate
dct:subject
rdfs:comment
  • 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)
  • 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)
rdfs:label
  • Egenansikte (sv)
  • Eigenface (ca)
  • Eigenface (en)
  • Eigenface (fr)
  • Eigenface (nl)
  • Eigengesichter (de)
  • 固有顔 (ja)
rdfs:seeAlso
owl:sameAs
prov:wasDerivedFrom
foaf:depiction
foaf:isPrimaryTopicOf
is dbo:wikiPageWikiLink of
is oa:hasTarget of
is foaf:primaryTopic of