文献

J-GLOBAL ID：202102220988694611   整理番号：21A0403597

整列特徴表現の多モード顔認識【JST・京大機械翻訳】

Exploring aligned latent representations for cross-domain face recognition

著者 (4件)： Ming Yue (北京郵電大学電子工程学院,北京100876) ,  Wang Shaoying (北京郵電大学電子工程学院,北京100876) ,  Fan Chunxiao (北京郵電大学電子工程学院,北京100876) ,  Zhou Jiangwan (北京郵電大学電子工程学院,北京100876)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 28  号： 10  ページ： 2311-2322  発行年： 2020年 
JST資料番号： C2090A  ISSN： 1004-924X  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： 交差モード顔認識は,顔認識の分野における研究の焦点であり,安防,および,他の現実場面において,非常に高い応用価値と開発可能性を有する。既存の多モード顔認識アルゴリズムは、通常、画像空間または潜在空間で異なるモード顔の連絡を樹立し、両者の内在的な関連性を無視し、モード情報の損失を招きやすい。この問題を解決するために,本稿では,整列特徴表現に基づく交差モード顔認識アルゴリズム(Cross-DomainRepresenta-tionAlignment,CDRA)を提案した。CDRAアルゴリズムは,顔画像空間と潜在的空間,モード内とモードの間で,異なる顔データ間の関連性を探った。最初に,情報損失を減らすために,CDRAアルゴリズムは,単一モード内の顔の再構築を通して,識別情報を含むモード内潜在的特徴表現を学習した。次に,画像空間において,CDRAアルゴリズムは,異なるモードにおける潜在的特徴表現から,モード再構築画像を再構築し,そして,潜在的空間を,異なるモードの潜在特性によって表現することができた。CDRAアルゴリズムは,異なるモードデータに対する潜在的Gauss分布により,異なる空間次元の異なった空間次元の多重レベルに学習したモード情報を表現するために,異なるモードに対する潜在的Gauss分布を直接整列した。実験結果は,マルチ-PieデータセットにおけるCDRAアルゴリズムの顔認識精度の平均が97.2%であり,CASIANIR-VIS2.0データセットにおける顔認識精度が99.4%±0.2%であることを示した。同時に,多モード顔データの効率的相互生成を実現した。CDRAアルゴリズムは,画像空間と潜在部分空間でより判別能力のある相互モード関連情報を学習でき,また,交差モード顔認識の精度を効果的に改善することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  正規分布 ,  多重化 ,  再構成 ,  *多モード ,  単一モード ,  顔画像
準シソーラス用語： 認識アルゴリズム ,  部分空間 ,  認識精度 ,  識別子 ,  顔貌認識 ,  *特徴表現 , 【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 (4件)： 整列 ,  特徴表現 ,  多モード ,  顔認識