Resumen

En los últimos años, los métodos de factorización matricial no negativa (NMF) de una representación reducida de datos de imagen han atraído la atención de la comunidad de visión por ordenador. Estos métodos son considerados como una representación conveniente basada en partes de los datos de la imagen para tareas de reconocimiento con objetos ocluidos. Se propone una nueva modificación en las tareas de reconocimiento NMF que utiliza el control de la dispersión de la matriz introducido por Hoyer. Hemos analizado la influencia de la escasez en las tasas de reconocimiento (RRs) para varias dimensiones de subespacios generados para dos bases de datos de imágenes, la base de datos de caras ORL y la base de datos de dígitos manuscritos USPS. Hemos estudiado el comportamiento de cuatro tipos de distancias entre un objeto de imagen desconocido proyectado y los vectores de características en los subespacios NMF generados para los datos de entrenamiento. Una de estas métricas también es una novedad que hemos propuesto. En la fase de reconocimiento, las oclusiones parciales en las imágenes de prueba se han modelado poniendo dos rectángulos negros grandes y colocados al azar en cada imagen de prueba.

• Materias:Reacciones químicas Microorganismos Farmacología Iones Química bioinorgánica
• Subjects:Chemical reactions Microorganisms Pharmacology Ions Bioinorganic chemistry
• Palabras claves:imagen de prueba, dimensiones del subespacio, comunidad de visión por computador, influencia de la escasez, tarea de reconocimiento de la fnm, objeto de imagen desconocido, factorización matricial no negativa, representación de datos de imagen, base de datos de dígitos escritos a mano, rectángulo negro posicionado
• Keywords:test image, dimensions of subspace, computer vision community, influence of sparseness, nmf recognition task, unknown image object, nonnegative matrix factorization, image data representation, handwritten digit database, positioned black rectangle