Troomes

En el presente artículo, se presenta una red neuronal híbrida para el reconocimiento de rostros humanos que se compara favorablemente con otros métodos. El sistema combina muestreo de imágenes locales, una red neuronal de mapa autoorganizado (SOM) y una red neuronal convolucional. El SOM proporciona una cuantificación de las muestras de imágenes en un espacio topológico donde las entradas que están cercanas en el espacio original también están cerca en el espacio de salida, proporcionando reducción de dimensionalidad e invariancia a cambios menores en la muestra de imagen, y la red neuronal convolucional proporciona invarianza parcial a la traslación, rotación, escala y deformación. La red convolucional extrae sucesivamente características más grandes en un conjunto jerárquico de capas. Se presentan los resultados utilizando la transformada Karhunen-Loeve en lugar de la SOM, y un perceptrón multicapa (MLP) en lugar de la red convolucional para la comparación. Se presenta una base de datos de 400 imágenes de 40 individuos que contiene un alto grado de variabilidad en la expresión, postura y detalles faciales. Finalmente, se analiza la complejidad computacional y se discute sobre cómo se podrían agregar nuevas clases al reconocedor capacitado.