文献

J-GLOBAL ID：201802235868629758   整理番号：18A0167874

最適化されたBPネットワークにおける顔特徴点の深さ推定【JST・京大機械翻訳】

Depth estimation of facial feature points based on optimized BP neural network

著者 (4件)： Song Le (西安工程大学 計算机学院,陜西 西安,710048) ,  Gu Lin (西安工程大学 計算机学院,陜西 西安,710048) ,  Dong Hu (西安工程大学 電子信息学院,陜西 西安,710048) ,  Du Qiaoqiao (西安工程大学 計算机学院,陜西 西安,710048)
資料名： Xi’An Gongcheng Daxue Xuebao  (Xi'An Gongcheng Daxue Xuebao)
巻： 31  号： 4  ページ： 551-555  発行年： 2017年 
JST資料番号： C3645A  ISSN： 1674-649X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 単一顔画像の三次元顔モデル化過程において、平面写真上の各特徴点の第三次元データの欠損による三次元顔の歪みに対して、BPニューラルネットワークを利用して顔の各特徴点の深さ情報を予測する。ニューラルネットワークを関数写像として用い,ネットワークの入力は顔の平面特徴点座標であり,ネットワークの出力は特徴点に対応する深さ情報である。5つの異なる最適化関数を用いてBPニューラルネットワークの各層の重みを訓練し,実験結果に従って隠れ層のノード数とネットワークの各パラメータを調整し,最終的に最適化したBPニューラルネットワークを構築し,特徴点の深さの推定に用いた。結果は,Levenberg-Marquardt(L-M)アルゴリズムによって最適化されたニューラルネットワークの推定精度が高く,ネットワークの安定性が良いことを示した。最適化されたBP神経回路網によって得られた特徴点の深さ情報は,三次元顔モデル化における特徴点位置の決定に用いることができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 神経回路網 ,  写像 ,  アルゴリズム ,  ニューラルネットワーク ,  顔画像 ,  三次元 ,  *ネットワーク ,  *最適化
準シソーラス用語： 推定精度 ,  隠れ層 ,  三次元データ ,  顔モデル ,  *特徴点 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： BP neural network ,  L-M algorithm ,  3D face modeling ,  facial feature points

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 最適化 ,  BPネットワーク ,  顔 ,  特徴点 ,  推定