文献

J-GLOBAL ID：201802240147372286   整理番号：18A1385279

人物顔認識のための単一画像のためのファジィスパース自動符号器フレームワーク【JST・京大機械翻訳】

Fuzzy Sparse Autoencoder Framework for Single Image Per Person Face Recognition

著者 (5件)： Guo Yuwei (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation of China, Xidian University, Xi’an, Ch...) ,  Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation of China, Xidian University, Xi’an, Ch...) ,  Wang Shuang (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation of China, Xidian University, Xi’an, Ch...) ,  Wang Shuo (Centre of Excellence for Research in Computational Intelligence and Applications, School of Computer Science, University of Birmingham, Birmingham, U.K.) ,  Liu Fang (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation of China, Xidian University, Xi’an, Ch...)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 48  号： 8  ページ： 2402-2415  発行年： 2018年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 人当たりの単一サンプル(SSPP)顔認識の問題は,近年ますます多くの注目を引き付けている。パッチ/局所ベースのアルゴリズムは,パッチ/局所特徴が顔画像変化に対してロバストであるので,問題を扱うための最も一般的なカテゴリの一つである。しかし,大域的識別情報はパッチ/局所ベースのアルゴリズムで無視されており,顔画像の非識別領域を認識することが重要である。局所情報とグローバル情報の両方の利点を最も良くするために,SSPP顔認識を扱うために,新しい2層局所対グローバル特徴学習フレームワークを提案した。第一層では,オブジェクト指向局所特徴をパターンベースのファジィラフ集合特徴選択戦略により学習した。得られた局所特徴は,画像変化に対してロバストであるだけでなく,元のパッチの識別能力を保存するためにも使用可能である。グローバルな構造情報は,第二層におけるまばらな自動符号器によって局所的特徴から抽出される。それは非識別領域の負の効果を減少させる。その上,提案したフレームワークは浅いネットワークであり,SSPP問題を扱うために多層ネットワークを用いることによって引き起こされる過剰適合を避ける。実験結果は,提案した局所対グローバル特徴学習フレームワークが,SSPP顔認識のための他の最先端の特徴学習アルゴリズムよりも優れた性能を達成できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *曖昧さ ,  顔画像 ,  単一層 ,  *符号器 ,  ネットワーク ,  学習アルゴリズム ,  *透視図法 ,  多層 ,  ロバスト性 ,  学習 ,  特徴選択 ,  *画像 ,  アルゴリズム
準シソーラス用語： 二層 ,  局所特徴 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 人物 ,  顔認識 ,  ファジィ ,  符号器 ,  フレームワーク