文献

J-GLOBAL ID：201702243766541617   整理番号：17A1060537

積層収縮自動符号器による2D画像から学ぶ3次元面【Powered by NICT】

Learning 3D faces from 2D images via Stacked Contractive Autoencoder

著者 (7件)： Zhang Jian (School of Science and Technology, Zhejiang International Studies University, Hangzhou 310012, China) ,  Zhang Jian (School of Computing Science, Simon Fraser University, Burnaby V5A 1S6, Canada) ,  Li Ke (Zhengzhou Institute of Surveying and Mapping, Zhengzhou 450052, China) ,  Li Ke (School of Computing Science, Simon Fraser University, Burnaby V5A 1S6, Canada) ,  Liang Yun (College of Mathematics and Informatics, South China Agricultural University, Guangzhou 510642, China) ,  Liang Yun (School of Computing Science, Simon Fraser University, Burnaby V5A 1S6, Canada) ,  Li Na (School of Science and Technology, Zhejiang International Studies University, Hangzhou 310012, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 257  ページ： 67-78  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 3D顔は2D画像より多くの意味的情報を提供するため,2D顔画像からの3次元顔再構成は,顔検出および認識のような様々な応用に重要であることが分かった。本論文では,3D顔再構成のための深い学習フレームワークを提案した。フレームワークは任意の顔画像の部分空間特徴を計算し,3D顔で学習したもう一つの部分空間におけるその対応物と特徴を地図化し,対応特徴を用いた3D顔を再構成するために設計した。トレーニングの過程で,積層収縮オートエンコーダ(SCAE)による2Dおよび3D部分空間を学習し,マッピングを学習するために一層完全に連結したニューラルネットワークを用い,SCAEsの事前訓練されたパラメータを使用し,その入力は顔画像と出力が深いフィードフォワードニューラルネットワークを初期化するために1層ネットワークは3D顔である。ネットワークは,逆伝播と勾配降下アルゴリズムにより最適化した。様々なデータセットに関する広範な実験結果は,提案したSCAEベース3D顔再構成法の有効性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 単一層 ,  顔画像 ,  *符号器 ,  ネットワーク ,  再構成 ,  ニューラルネットワーク ,  *画像 ,  アルゴリズム ,  *三次元 ,  最適化 ,  学習 ,  順伝播型ニューラルネットワーク ,  改変
準シソーラス用語： フィードフォワードニューラルネットワーク ,  部分空間 ,  顔検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深い学習 ,  積層収縮自動符号器 ,  部分空間 ,  ニューラルネットワーク ,  3D顔再構成

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 (4件)： 収縮 ,  符号器 ,  2D ,  3次元