文献

J-GLOBAL ID：201002236611067085   整理番号：10A0433683

オンライン学習を用いたバイオメトリック分類器の更新:近赤外顔検証における事例研究

Biometric classifier update using online learning: A case study in near infrared face verification

著者 (4件)： SINGH Richa (Indraprastha Inst. of Information Technol. (IIIT), New Delhi, IND) ,  VATSA Mayank (Indraprastha Inst. of Information Technol. (IIIT), New Delhi, IND) ,  ROSS Arun (Lane Dep. of CSEE, West Virginia Univ., Morgantown, WV, USA) ,  NOORE Afzel (Lane Dep. of CSEE, West Virginia Univ., Morgantown, WV, USA)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 28  号： 7  ページ： 1098-1105  発行年： 2010年07月 
JST資料番号： A0611C  ISSN： 0262-8856  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大規模バイオメトリックシステムの性能は,新しい個人が連続して参加する場合に時間とともに劣化する可能性がある。許容可能な性能レベルを維持するために,これら分類器は,既存データおよび新データの両者を用いてバッチモードでこれら分類器はオフライン型で再訓練されなければならない。この再訓練プロセスは計算量的に高価でおよび時間を消費するものになり得る。本論文では,オンライン学習を用いてインクリメンタルな形でこの分類器の再訓練を行い,改良された分類のための意思決定超平面を次第に確立する新しいバイオメトリック分類器更新アルゴリズムを提案した。提案アルゴリズムの中には,新しいデータのみを用いてこの分類器の再訓練を行うために,2νオンライン粒度ソフトサポートベクトルマシン(SVM)の定式化の中で計算されるソフトラベルおよび粒度コンピューティングが含まれている。ソフトラベルではノイズに対する弾力性が影響されるが,粒度コンピューティングでは,データ分布の中での局所的および大域的分散に対してそれに適応性を持たせる。データが獲得されるごとに,線形独立な新しいサポートベクトルが追加され,分類器の性能改善に繋がらない既存のサポートベクトルは除去される。これにより,サポートベクトルのサイズが制約され,分類精度を犠牲にすること無しに訓練時間を大幅に低減する。異なる共変量を含む近赤外顔検証アプリケーションの中で,提案オンライン学習戦略の有効性を検証した。328人の被験者からなるヘテロな近赤外顔データベース上で得られた結果により,異なる特徴抽出および分類アルゴリズムを用いたすべての実験において,ここで提案したオンライン2ν粒度ソフトベクトルマシン学習アプローチは,すべてのデータを用いたオフライン訓練に似た高精度を達成するとともに,2~3倍高速化されることを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  *バイオメトリクス ,  *生体計測 ,  *分類装置 ,  サポートベクトルマシン ,  精度 ,  顔画像
準シソーラス用語： インクリメンタル学習 ,  *オンライン学習 ,  近赤外顔画像 ,  *分類器 ,  分類精度

分類 (3件)： 人工知能  (JE08000Z) ,  生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： オンライン学習 ,  メトリック ,  分類器 ,  更新 ,  近赤外 ,  検証 ,  研究