Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2018 - zeszyt 4

Deep neural networks and classical approach to face recognition - comparative analysis

Uczenie głębokie i podejście klasyczne do rozpoznawania obrazów twarzy - analiza porównawcza

10.15199/48.2018.04.01

nr katalogowy: 112984
10.15199/48.2018.04.01

Streszczenie

The paper presents application of the convolutional neural network (CNN) in face recognition. Data bases of faces have been represented by the visible and thermal infra-red images. The CNN is regarded nowadays as the most efficient tool in image analysis. This technique was applied to recognition of 50 classes of face images represented in visual and infrared imagery. This approach will be compared to the traditional approach relying on classical feature generation methods and application of support vector machine classifier. The numerical results of experiments performed on the face image data base will be presented and discussed.

Abstract

Praca przedstawia porównanie metod rozpoznawania twarzy przy zastosowaniu konwolucyjnych sieci neuronowych (CNN) i klasycznego podejścia opartego na specjalistycznych metodach generacji cech diagnostycznych. Twarze są reprezentowane w postaci 2 rodzajów obrazów: widzialnego oraz w podczerwieni. Zbadano i porównano dwa podejścia do analizy obrazów. Jeden polega na zastosowaniu konwolucyjnej sieci neuronowej łączącej w jednym systemie generację nienadzorowaną cech diagnostycznych i klasyfikację. Drugie, klasyczne podejście, rozdzielające obie części przetwarzania. Generacja cech odbywa się poprzez zastosowanie specjalistycznych metod (tutaj PCA, KPCA i tSNE), a klasyfikacja wykorzystuje te cechy jako sygnały wejściowe dla oddzielnego klasyfikatora SVM. Wyniki eksperymentów numerycznych zostały przedstawione i porównane na bazie 50 różnych obrazów twarzy stworzonych w różnych warunkach oświetlenia i akwizycji.

Słowa kluczowe

Keywords

Bibliografia

[1] Belhumeur P., Hespanha J., Kriegman D.: Eigenfaces vs. Fisherfaces: recognition using class specific linear projection, IEEE Trans. PAMI, 19 (1997), no 7, 711-720
[2] Goodfellow I., Bengio Y., Courville A., Deep learning (2016), MIT Press, MA.
[3] Kong S., Heo J., Abidi B.R, Paik J. Abidi M. A., Recent advances in visual and infrared face recognition - a review, Comput. Vision Image Understanding, 97, (2005), 103-135
[4] Krizhevsky A., Sutskever I., Hinton G., Image net classification with deep convolutional neural networks, Advances in Neural Information Processing Systems 25, (2012). 1-9.
[5] Matlab user manual - image toolbox, (2017b), MathWorks, Natick
[6] Schölkopf B., Smola A., Learning with kernels, (2002), Cambridge, MIT Press, MA
[7] Siwek K., Osowski S., Comparison of methods of feature generation for face recognition, Przegląd Elektrotechniczny, 90, (2014), nr. 4, 206-209
[8] Socolinsky D. A., Selinger A., Neuheisel J. D., Face recognition with visible and thermal infrared imagery, Comput. Vision Image Understanding, 91, (2003), 72-114
[9] Tan P. N., Steinbach M., Kumar V., Introduction to data mining, (2006), Pearson Education Inc., Boston.
[10] Van der Maaten L., Matlab toolbox for dimensionality reduction, v0.8.1, (2013), Delft University of Technology
[11] Wu S., Lin W., Xie S., Skin heat transfer model of facial termograms and its application in face recognition, Pattern Recognition, 2008, vol. 41, pp. 2718-2729
[12] https://github.com/BVLC/caffe/tree/master/models/bvlc_google net.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 112984 "Deep neural networks and ..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2018-4 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2018-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma