文献

J-GLOBAL ID：201702217550382628   整理番号：17A1772669

顔画像における眼鏡の検出のための浅い畳込みニューラルネットワーク【Powered by NICT】

Shallow convolutional neural network for eyeglasses detection in facial images

著者 (5件)： Basbrain Arwa M. (School of Computer Science and Electronic Engineering, University of Essex, Colchester, UK) ,  Al-Taie Inas (School of Computer Science and Electronic Engineering, University of Essex, Colchester, UK) ,  Azeez Nassr (School of Computer Science and Electronic Engineering, University of Essex, Colchester, UK) ,  Gan John Q. (School of Computer Science and Electronic Engineering, University of Essex, Colchester, UK) ,  Clark Adrian (School of Computer Science and Electronic Engineering, University of Essex, Colchester, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEEC  ページ： 157-161  発行年： 2017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： 自動眼鏡検出は,多くの顔解析システムにおいて主要な役割を果たしている。これらのシステムのロバスト性を改善し,実世界アプリケーションに対処するために,高精度を達成できることを高速眼鏡検出器が必要である。最近の研究は,畳込みニューラルネットワークから抽出された特徴に注目すべきことを示した。それ故に,本論文では,よく設計された浅い畳込みニューラルネットワーク(CNN)からの深い特徴の抽出に基づく顔画像における眼鏡検出のための有効で効率的な方法を提示した。本論文の主な貢献は,CNNの二種類の必須の側面を扱うことである(1)必要な訓練データセットのサイズと(2)ネットワークアーキテクチャの深さ。この目的のために,小さなデータセットの微調整である深部CNNのパラメータによる浅いCNNの学習パラメータの初期化を行う。ニューラルネットワークの深さは,検証データセット上でその性能を試験後のいくつかの畳込み層を除去することにより減少した。その結果,浅いGlassNet,有意に多くの正確な浅いCNN(セルラニューラルネットワーク)アーキテクチャが得られたが,これは高精度だけでなく眼鏡検出に高い速度を達成した。評価実験は,二つの大きな制約のない顔画像データベース,LFWとCeleb面上で行った。結果は,99.73%の平均精度を達成する提案したフレームワークの優れた性能を実証した。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： 応用プログラム ,  *眼鏡 ,  ロバスト性 ,  *畳込み ,  学習 ,  高速度 ,  *ニューラルネットワーク ,  画像データベース ,  セルラニューラルネットワーク ,  検出器 ,  *顔画像 ,  計算機アーキテクチャ ,  ネットワークアーキテクチャ
準シソーラス用語： 評価実験 ,  高精度 , 【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)： 顔画像 ,  眼鏡 ,  畳込みニューラルネットワーク