文献

J-GLOBAL ID：201702269598599045   整理番号：17A0451051

MEG:マルチエキスパート性別分類のためのテクスチャ演算子【Powered by NICT】

MEG: Texture operators for multi-expert gender classification

著者 (4件)： Castrillon-Santana Modesto (SIANI, Univesidad de Las Palmas de Gran Canaria, Spain) ,  De Marsico Maria (Sapienza University of Rome, Italy) ,  Nappi Michele (University of Salerno, Fisciano (SA), Italy) ,  Riccio Daniel (University of Naples Federico II, Italy)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 156  ページ： 4-18  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： 本論文では,顔画像から性別分類に焦点を当てた。装置ならびに方法の進歩にもかかわらず,認識のためのまたは人口統計の抽出のためにも自動顔画像処理は,非制限シナリオにおける挑戦的な課題である。著者らの試験は二スコアベースのものを用いた特徴ベース手法の広範な比較を行うことを目的としている。特徴を直接使用する場合,最初に対応する特徴ベクトルを抽出するために異なるオペレータ適用し,そのようなベクトルを積み重ねている。これらはSVMベースアプローチにより分類される。スコアを用いた場合,異なるオペレータは完全に分離した方法において適用されて,それらの各々は対応するスコアを生成した。回答は,SVMに与えた,あるいは尤度比を利用する対を比較した。実験に使用したテストベッドはEGAデータベース,貯蔵された顔画像の人口統計学的特徴に関して良好なバランスを示す,GROPUS,大規模実験のためにますます一般的なベンチマークである。得られた性能は,特徴レベル融合はしばしば良好な分類精度を達成することを確認した。しかし,計算的に高価である。を三つの方法でこの主題に関する研究に寄与する1)著者らは,要求度の小さいが,提案したスコアレベル融合手法であるレベル融合を特徴とする匹敵する結果を達成できることを示す,あるいは,専門家の特定のセットを融合する与えられたわずかに良い連鎖ベクトルに依存する特徴ベースアプローチを超える主な長所は,複雑な多重特徴分布と訓練プロセスを評価するために必要としないことである:専門家の個別訓練のおかげで全体プロセスはより効率的で柔軟な,専門家が最終構造に付加または廃棄され容易にできるので2)不確実性/あいまいな例,すなわち,用いて分類しきい値に依存して分類誤差を引き起こす可能性があるものの数を評価し,著者らのスコアレベル融合によるこれらは有意に減少することが分かった;正しい分類の最終速度にもかかわらず,これはよりロバストなシステムをもたらす3)は計算的に高価ではないことを演算子を持つ非常に良好な結果を達成した。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： ベンチマーク ,  オペレータ ,  曖昧さ ,  *顔画像 ,  ベクトル ,  ロバスト性 ,  データベース ,  不確実性
準シソーラス用語： 分類精度 ,  人口統計学 ,  尤度比 ,  スコア ,  特徴ベクトル ,  顔画像処理 ,  *テクスチャ , 【Automatic Indexing@JST】

著者キーワード (4件)： 自動性分類 ,  顔画像 ,  多特徴分類 ,  特徴レベル対スコアレベル融合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： MEG ,  マルチ ,  エキスパート ,  性別分類 ,  テクスチャ ,  演算子