文献

J-GLOBAL ID：201702255077204470   整理番号：17A0214691

畳込みニューラルネットワークとサポートベクトルマシンに基づく顔認識【Powered by NICT】

Face recognition based on convolutional neural network and support vector machine

著者 (3件)： Guo Shanshan (Department of Mechatronics Engineering and Automation, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, Guangdong Province, China) ,  Chen Shiyu (Department of Mechatronics Engineering and Automation, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, Guangdong Province, China) ,  Li Yanjie (Department of Mechatronics Engineering and Automation, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, Guangdong Province, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IEEE ICIA 2016  ページ： 1787-1792  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： 顔認識は人間-計算機相互作用の重要な具体化,アクセス制御システム,監視システムと同一性検証に広く使用されているものである。しかし,顔画像の表情は,年齢だけでなく,人と照明条件の姿勢とともに変化するので,同一試料の顔画像が異なる可能性がある,これは顔認識を困難にしている。顔認識,高い認識率とより少ない訓練時間における二つの主要な要件である。本論文では,畳込みニューラルネットワーク(CNN)とサポートベクトルマシン(SVM)を組み合わせた顔画像を認識した。CNNは顕著な特徴を自動的に獲得する特徴抽出器として使用した。更新量を得るために補助データによる著者らのCNNを前訓練と,ターゲットデータセットによるCNNを訓練より隠れた顔特徴を抽出した。最後に,すべてのクラスを認識するためのCNNの代わりに著者らの分類器としてSVM(サポートベクトルマシン)を用いた。CNNから抽出された顔特徴の入力により,SVMは顔画像をより正確に認識する。我々の実験では,Casia Webfacesデータベースにおけるいくつかの顔画像は,トレーニング前に使用されると,FERETデータベースを訓練及び検証用に用いた。実験の結果は,高い認識率とより少ない訓練時間効率を実証した。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： 計算機械 ,  顔画像 ,  *ニューラルネットワーク ,  特徴抽出 ,  相互作用 ,  表情 ,  *サポートベクトルマシン ,  アクセス制御 ,  照明条件 ,  データベース ,  監視装置 ,  *畳込み ,  *顔認識
準シソーラス用語： 認識率 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  サポートベクトルマシン ,  顔認識