追加学習可能なパターン認識システムの提案と顔画像認識への応用

一种具有附加学习能力的模式识别系统的提出及其在人脸图像识别中的应用

基本信息

批准号：
16500130
负责人：
小澤誠一
金额：
$ 1.98万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

追加学習可能なパターン認識システムの開発に必要不可欠な学習アルゴリズムを考案した.成果の概要を以下にまとめる.(1)特徴空間の追加学習として,従来のIncremental Principal Component Analysis (IPCA)の改良を行った.具体的には,特徴空間の次元増加の判定基準として,寄与率による方法を提案し,その更新式を求めた.(2)従来のIPCAは,1つデータが与えられるたびに固有値問題を解く必要があった.これに対し,複数のデータをまとめて1回の更新で新しい固有基底を求める学習アルゴリズム(Chunk IPCA)を提案した.(3)改良IPCAアルゴリズムおよびCIPCAアルゴリズムを顔画像認識に適用し,追加学習が進むにつれて,認識精度が高まることとFalse Positive Rateが小さくなることを確認した.また,CIPCAを導入することによって,学習時間が大幅に短縮されることを確認した.(4)特徴空間の更新に伴い,識別機(ニューラルネット)の更新も同時に行う必要があり,結合荷重の更新だけでなく,入力変数の個数の変動にも追従できなければいけない.この問題に対し,長期記憶を導入したニューラルネットの記憶アイテムを特徴空間に合わせて更新し,それらを訓練データと一緒に学習するアルゴリズムを開発した.(5)従来の独立成分分析(Independent Component Analysis ; ICA)を教師あり学習に拡張する方式を提案し,独立性とクラス分離性を同時に高める学習アルゴリズムを導出した.また,いくつかのベンチマークデータで性能評価を行い,従来のICAやPCAで求めた特徴量に比べて,性能がよいデータもあることを確認した.

我们设计了一种学习算法，这对于开发可以执行增量学习的模式识别系统至关重要。结果总结如下。（1）作为特征空间的附加学习，传统的增量主成分分析具体来说，我们提出了一种以贡献率作为增加特征空间维数的标准的方法，并找到了其更新公式。（2）传统的IPCA只需要一个数据，需要解决一个特征值问题每次。 (3)将改进的IPCA算法和CIPCA算法应用到人脸图像识别中，随着额外学习的进展，识别准确率提高并检测到误报。我们还证实，通过引入 CIPCA，学习时间显着减少。 (4) 在更新特征空间的同时，还需要更新判别器（神经网络），不仅要更新连接权重，还要更新。输入变量。还需要能够跟踪项目数量的变化。为了解决这个问题，我们开发了一种算法，根据特征空间更新包含长期记忆的神经网络的记忆项目，并将它们一起学习5）传统的独立成分分析（Independent我们提出了一种将成分分析（ICA）扩展到监督学习的方法，并推导了一种同时增加独立性和类可分离性的学习算法。我们还使用几个基准数据评估了性能，发现传统的 ICA 和 PCA 我们证实了一些数据与计算的特征值相比具有更好的性能。