검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Incremental Unsupervised-Learning of Appearance Manifold with View-Dependent Covariance Matrix for Face Recognition from Video Sequences 비디오 시퀀스의 얼굴 인식을 위한 보기 의존 공분산 행렬을 사용한 외모 다양체의 증분 비지도 학습

Lina, Tomokazu TAKAHASHI, Ichiro IDE, Hiroshi MURASE

  • 조회수

    0

  • 이것을 인용

요약 :

우리는 감독 학습과 증분 비지도 학습이라는 두 가지 학습 프레임워크에서 비디오 시퀀스의 얼굴 인식을 위한 뷰 종속 공분산 행렬을 갖춘 모양 다양체를 제안합니다. 이 방법의 장점은 첫째, 뷰 종속 공분산 행렬 모델을 사용하는 모양 다양체는 포즈 변경에 견고하고 노이즈 불변성입니다. 왜냐하면 삽입된 공분산 행렬은 샘플의 분포를 학습하기 위해 포즈를 기반으로 계산되기 때문입니다. 매니폴드. 또한 제안된 점진적 비지도 학습 프레임워크는 실제 얼굴 인식 애플리케이션에 더 현실적입니다. 훈련을 위해 완전한 포즈(왼쪽 측면에서 오른쪽 측면까지)에서 많은 양의 얼굴 시퀀스를 수집하는 것이 어렵다는 것은 분명합니다. 여기서 증분 비지도 학습 프레임워크를 사용하면 사용 가능한 초기 시퀀스로 시스템을 교육하고 나중에 레이블이 없는 시퀀스가 ​​입력될 때마다 시스템 지식을 점진적으로 업데이트할 수 있습니다. 또한, 점진적 비지도 학습 프레임워크에서 분류 정확도를 향상시키고 병합 프로세스를 위해 중첩된 포즈가 있는 시퀀스를 쉽게 감지하기 위해 포즈 추정 시스템이 있는 뷰 종속 공분산 행렬 모델과 모양 다양체를 통합합니다. 실험 결과, 두 프레임워크 모두에서 제안된 뷰 종속 공분산 행렬 방법을 사용하는 모양 다양체는 비디오 시퀀스에서 얼굴을 정확하게 인식할 수 있음을 보여주었습니다.

발행
IEICE TRANSACTIONS on Information Vol.E92-D No.4 pp.642-652
발행일
2009/04/01
공개일
온라인 ISSN
1745-1361
DOI
10.1587/transinf.E92.D.642
원고의 종류
PAPER
범주
패턴 인식

작성자

키워드