| 講演名 | 2006/9/23 特徴量合成と情報量基準を用いた顔認識モデル : Mahalanobis距離を用いたK-NN学習(顔とコミュニケーション) 里中 孝美, 内村 圭一, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 本論文は顔認識のために,統計モデルのパラメータの漸近推定法と学習法を融合した適応距離型学習モデルを記述す。Mahalanobis距離を用いた学習モデルでは,学習事例が少ない場合には,認識率が低下した。統計モデルのパラメータ推定精度を向上させるために,共通の分散と互いに異なる平均を有するクラスからなる複合クラスを導入する。最小符号長原理を用いて複合クラスのクラス数を漸近的に決,各クラスのモデルパラメータの初期値を計算する。さらに,顔特徴パターンを仮定する合成法により複数のMahalanobis距離型識別関数を用いたK近傍学習ネットワークを構築し,クラス当りの識別関数の増加とともに認識率が改善されることを示す。我々は,ORLデータベースによる認識実験で他のシステムと比較した。モデルパラメータの漸近推定法と学習法を融合することで,最小の誤認識率を達成した。 |
| 抄録(英) | We describe the adaptive metric learning procedure combining the asymptotic variance estimation and fine adjustment of the metric parameters for the face recognition. The metric learning model based on the Maha-lanobis distance suffered from the degraded performance due to the limitation of available training samples. For accurate estimation of metric parameters, the asymptotic model sharing common variance among classes with difference averages has been introduced. The MDL criterion is formulated to decide the optimal number of classes in the asymptotic statistical model. The feature fusion method assuming the synthesized feature patterns is proposed to construct the Kth-nearest neighbor learning network employing multiple Mahalanobis decision function and improves the performance with the increase of the metric function per class. We compare the simulation results using the ORL databases with these of other systems. The hybrid of the asymptotic variance estimation and fine adjustment of the metric parameters has attained the minimal recognition error rate. |
| キーワード(和) | 顔認識 / マハラノビス距離 / 情報量基準 / MDL |
| キーワード(英) | face recognition / Mahalanobis distance / Information criterion / MDL |
| 資料番号 | HCS2006-48 |
| 発行日 |
| 研究会情報 | |
| 研究会 | HCS |
|---|---|
| 開催期間 | 2006/9/23(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Human Communication Science (HCS) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 特徴量合成と情報量基準を用いた顔認識モデル : Mahalanobis距離を用いたK-NN学習(顔とコミュニケーション) |
| サブタイトル（和） | |
| タイトル（英） | Face recognition using feature fusion and information criterion : K-nearest neighbor learning based on Mahalanobis distance |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 顔認識 / face recognition |
| キーワード(2)（和/英） | マハラノビス距離 / Mahalanobis distance |
| キーワード(3)（和/英） | 情報量基準 / Information criterion |
| キーワード(4)（和/英） | MDL / MDL |
| 第 1 著者 氏名（和/英） | 里中 孝美 / Takami SATONAKA |
| 第 1 著者 所属（和/英） | 熊本県立技術短大 Kumamoto Prefectual College of Technology |
| 第 2 著者 氏名（和/英） | 内村 圭一 / Keiichi UCHIMURA |
| 第 2 著者 所属（和/英） | 熊本大学工学部 Faculty of Engineering, Kumamoto University |
| 発表年月日 | 2006/9/23 |
| 資料番号 | HCS2006-48 |
| 巻番号（vol） | vol.106 |
| 号番号（no） | 268 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |