文献

J-GLOBAL ID：201702246470116492   整理番号：17A0368824

顔認識のための反復量子化二値符号学習【Powered by NICT】

Learning iterative quantization binary codes for face recognition

著者 (3件)： Tian Lei (Beijing University of Posts and Telecommunications, Beijing Key Laboratory of Work Safety Intelligent Monitoring, School of Electronic Engineering, No. 10 Xitucheng Road, Beijing 100876, PR China) ,  Fan Chunxiao (Beijing University of Posts and Telecommunications, Beijing Key Laboratory of Work Safety Intelligent Monitoring, School of Electronic Engineering, No. 10 Xitucheng Road, Beijing 100876, PR China) ,  Ming Yue (Beijing University of Posts and Telecommunications, Beijing Key Laboratory of Work Safety Intelligent Monitoring, School of Electronic Engineering, No. 10 Xitucheng Road, Beijing 100876, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 629-642  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  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： バイナリ特徴記述子は,それらの優れた識別力と強いロバスト性,および局所二値パターン(LBP)のおかげで,コンピュータビジョン分野で広く用いられているし,その変動は,それらが効果的な顔記述子であることを証明した。しかし,そのような二元特徴ディスクリプタの形である手作りのようにして,それらを設計するための強い領域知識を必要とするにおける予め定義された。本論文では,データ駆動方法で識別二元顔記述子を学習するための簡単で効率的な反復量子化2進符号(IQBC)特徴学習法を提案した。最初に,従来のLBP法に類似した,中心パッチとその隣接パッチ間の差を計算し,連結することによりパッチ画素差分ベクトル(PDV)を抽出した。,マルチクラススペクトルクラスタリングと直交Procrustes問題,両画像検索分野に広く使用されているに触発されて,反復量子化方式を用いた零中心2進超立方体の頂点へのマッピングデータの量子化誤差を最小化するために最適化された回転を学習する。換言すれば,これらピクセル差分ベクトル低次元バイナリーベクターに投影するために特徴マッピングを学習する。IQBCは,正準相関分析(CCA)のような主成分分析(PCA)及び自動監視データ埋め込み法のような教師なしデータ埋め込み法,すなわちIQBC PCAとIQBC CCAで用いることができる。最後に,著者らはこれらの予測2進符号をクラスタとプール2進符号の共起を記述するヒストグラムベース特徴。また,各顔画像のための最終的な特徴表現としてヒストグラム特徴を考察した。FERET,CAS-PEAL-R1,LFWとPaSCデータベースに関するIQBC PCAとIQBC CCAの性能を調べた。広範な実験を行いその結果,提案IQBC記述子は他の最新顔記述子よりも優れていることを実証した。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： 顔画像 ,  最適化 ,  画素 ,  主成分分析 ,  画像検索 ,  統制索引語 ,  *量子化 ,  ベクトル ,  自動監視 ,  *学習 ,  ヒストグラム ,  ロバスト性 ,  データベース ,  コンピュータビジョン
準シソーラス用語： *顔認識 , 【Automatic Indexing@JST】

著者キーワード (6件)： 反復量子化 ,  特徴学習 ,  二値符号化 ,  局所記述子 ,  顔認識 ,  顔検証

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 顔認識 ,  反復 ,  量子化 ,  二値符号 ,  学習