文献

J-GLOBAL ID：201702246592066379   整理番号：17A0796991

顔認識のための改良されたLLEに基づく教師つき特徴学習ネットワーク【Powered by NICT】

Supervised Feature Learning Network Based on the Improved LLE for face recognition

著者 (4件)： Meng Dan (School of Computer Science and Software Engineering, East China Normal University, 3663 Zhongshan North Road, Shanghai, China) ,  Cao Guitao (School of Computer Science and Software Engineering, East China Normal University, 3663 Zhongshan North Road, Shanghai, China) ,  Cao Wenming (Computer Science Department, University of Mossouri, 65211, USA) ,  He Zhihai (Computer Science Department, University of Mossouri, 65211, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICALIP  ページ： 306-311  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディープニューラルネットワーク(DNNs)は,コンピュータビジョンやパターン認識の分野に適用することに成功した。DNNの一つの欠点は,既存のDNNモデルとその変異体の大部分は通常パラメータの非常に大きな集合を学習する必要があることである。DNNのもう一つの欠点は,DNNは訓練段階中のクラスラベルと局所構造を考慮に完全にしないことである。これらの問題を解決するために,本論文では,新しい方法,顔認識のための改良されたLLE(SFLNet)上の教師つき特徴学習ネットワークに基づくを提案した。SFLNetの目的は,特徴を効率的に抽出することである。SFLNetは改善された局所線形埋込み(LLE)とマルチスケール特徴解析に基づく学習カーネルから構成されている。LLEアルゴリズムの入力として画像ピクセルの代わりに,改善されたLLEは,線形判別カーネル距離(LDKD)を使用した。に加えて,改善されたLLEの出力は,畳込みカーネル,次元縮小特徴である。マルチスケール特徴分析は,大きな姿勢,発現,または照明変動に起因する複雑な変化に非感受性を増強した。SFLNetはより良い識別を持ち,顔認識タスクにより適している。他の最先端の方法と比較して,拡張YaleB及びARデータセット上での実験を行いその結果,オクルージョンに提案した方法とロバスト性の印象的な改善を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  次元縮小 ,  線形性 ,  コンピュータビジョン ,  *学習 ,  オクルージョン ,  画素 ,  パターン認識 ,  *ネットワーク ,  ロバスト性 ,  畳込み
準シソーラス用語： 照明変化 ,  マルチスケール ,  局所構造 ,  *顔貌認識 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 顔認識 ,  教師 ,  学習