信号・ノイズ間の双対性に着目した個人識別と表情認識の並行学習

关注信号与噪声二元性的个人识别与面部表情识别并行学习

基本信息

批准号：
12750203
负责人：
平岡和幸
金额：
$ 1.34万
依托单位：
Saitama University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
2000
资助国家：
日本
起止时间：
2000 至 2001
项目状态：
已结题

项目摘要

従来,パターン認識においては単一の属性の判別が扱われてきた.しかし,現実の課題は,顔画像からの表情判別と個人判別のように複数の属性を扱う必要がある.このような課題を従来の方法で扱うなら,表情判別と個人判別を独立に行うか,表情と個人の組を一つの属性とみなして判別を行うか,ということになる.しかし,前者では個人ごとの表情の差異への対応が難しく,後者では組み合わせの数が大きくなるためサンプルの確保が難しい.そこで,このような複数の属性を持つデータを扱うことのできるモデルを構築した.(a)顔画像認識で広く使われている線形判別分析に環境変化への適応能力を付加するオンライン線形判別分析アルゴリズムの開発・改良を行なった.応用として,本アルゴリズムを実時間顔画像判別システムに組み込んだ.(b)顔画像のように高次元のデータを扱うためには,有用な成分をできるだけ保存しつつ低次元の特徴量に変換することが必須となる.そこで,圧縮後のデータの分布が属性ごとにできるだけ異なるよう,という観点から,Kullback-Leibler情報量に基づいて変換を決定する手法を提案した.(c)複数属性を持つ高次元データに対し,各属性をそれぞれ低次元ベクトルで表現するモデルを,ニューラルネットで構築した.これを複数人物・複数表情の顔画像に適用し,人物・表情の全組み合わせが与えられていなくても,与えられた顔画像から欠けた組み合わせの顔画像を推定し,判別を行うことができた.(d)個人や表情のラベルがつけられていない顔画像だけを与えられて,個人別・表情別という複数の観点での分類を行うという,教師なし課題にも着手し,低次元の基本的な例題に対しての実験で分類に成功した.

从传统上讲，在模式识别中，单个属性已被歧视，但实际问题需要处理多个属性，例如面部表达方式和个人判断。是独立的，否则表达式和人的对被视为一个属性。因此，组合的数量增加了，可以处理具有多个属性的数据。作为应用程序，该算法已被合并到真实的时间图像歧视系统中。因此，从不同的角度来看，压缩后的数据尽可能高应用于多个人的面部图像和多个表达式，即使没有给出人物和面部表情的组合，给定的面部图像的面部图像也可以估计没有标记为个人和面部表情的面部形象，并从个人和面部表情中分类，这也是我们没有老师的教学任务。