文献

J-GLOBAL ID：202202269142515996   整理番号：22A0479393

年齢不変性顔認識のための新しいアクティブ形状モデルベース深層ニューラルネットワーク【JST・京大機械翻訳】

A novel active shape model-based DeepNeural network for age invariance face recognition

著者 (2件)： Dhamija Ashutosh (ECE Department, SRM University, Sonepat, Haryana, India) ,  Dubey R.B. (EEE Department, SRM University, Sonepat, Haryana, India)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 82  ページ： Null  発行年： 2022年 
JST資料番号： W0218A  ISSN： 1047-3203  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： 科学的努力は,年齢不変顔認識(AIFR)で拡大した。したがって,大きな年齢差のマッチング顔は,若年および高齢の外観における実質的な不均衡のため,主に問題である。年齢により,顔の外観と形状の両方が損なわれ,最も挑戦的なタスクの顔の認識がなされる。近年,IFRは,非常に一般的で,要求されているタスクになった。特徴抽出と分類アルゴリズムのセットは,この分野で最も重要である。データセットから得られた特徴の数が大きいので,高次元特徴空間を低分散フィルタに写像する次元縮小法を導入し,最終統合顔年齢モデルを形成し,分類プロセスで使用する必要がある。本論文では,単一ユニットにおける特徴抽出と分類の組合せを達成するために,特別に設計した7層畳込みニューラルネットワーク(CNN)と組み合わせた改良型アクティブ形状モデル(ASM)の新しい概念を導入した。研究方法は,FG-NET,LAG,およびCACDの3つの標準データセットを用いて,提案システムの性能を評価するための広範な実験を含む。その結果,提案した方法が最先端の手法よりも優れており,年齢にわたって顔認識において優れた精度を達成することが明らかになった。FG-NET,LAG,およびCACDデータベースのASM-CNN方法論によって達成された最大精度は,それぞれ95.02%,91.76%,および99.4%であった。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  データベース ,  特徴抽出 ,  年齢差 ,  高次元 ,  *不変性 ,  主成分分析 ,  次元縮小
準シソーラス用語： 分類アルゴリズム ,  特徴空間 ,  *顔貌認識 ,  *アクティブ形状モデル ,  *ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 年齢不変性顔認識 ,  CNNアーキテクチャ ,  改良型アクティブ形状モデル ,  手作りと深い特徴 ,  主成分分析 ,  特徴削減

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 (5件)： 年齢 ,  不変性 ,  顔認識 ,  アクティブ形状モデル ,  深層ニューラルネットワーク