Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 6

Relabeling the imperfect labeled data to improve recognition of face images using CNN

Ponowne etykietowanie niedoskonałych oznaczonych danych w celu poprawy rozpoznawania obrazów twarzy za pomocą CNN

10.15199/48.2024.06.05

nr katalogowy: 148966
10.15199/48.2024.06.05

Streszczenie

The paper considers the problem of improving the recognition of not-perfectly labeled face images using CNN networks. The proposed solution is based on relabeling the samples of images by applying the KNN classification principle based on the distance between the samples. The original images are first converted to the features and the KNN principle is applied to them. The classes of sample images are relabeled according to the class represented by most neighbors indicated by KNN. The developed system was tested on the problem of face recognition. The dataset was composed of 68 classes of grayscale images. The results of experiments have shown significant improvement in the recognition rate of not perfectly labeled images.

Abstract

W artykule poruszono problem poprawy dokładności rozpoznawania obrazów twarzy za pomocą sieci CNN, przy założeniu, że zbiór treningowy zawiera dane z błędnymi etykietami. Zaproponowane rozwiązanie polega na ponownym oznakowaniu próbek obrazów poprzez zastosowanie klasyfikacji KNN opartej na odległości pomiędzy próbkami. Na początku obrazy konwertowane są na wektor cech, do których stosowany jest algorytm KNN. Klasy przykładowych obrazów są ponownie oznaczane zgodnie z klasą reprezentowaną przez większość sąsiadów wskazanych przez KNN. Opracowany system został przetestowany w zastosowaniu do problemu rozpoznawania twarzy. Zbiór danych składał się z 68 klas obrazów w skali szarości. Wyniki eksperymentów wykazały znaczną poprawę skuteczności rozpoznawania niedoskonale oznakowanych obrazów.

Słowa kluczowe

Keywords

Bibliografia

[1] B. Frenay, M. Verleysen, Classification in the presence of label noise: a survey, IEEE Trans. on NN and Learn. Sys., 25, 845– 869 (2014)
[2] T. Cannings, Y. fan, R. J. Samworth, Classification with imperfect training labels, arXiv:1805.11505
[math ST], https://doi.org/10.48550/arXiv.1805.11505 (2019)
[3] J. Bootkrajang, A generalised label noise model for classification in the presence of annotation errors. Neurocomputing, 192, 61–71 (2016)
[4] N. Natarajan, I. S. Dhillon, P. K. Ravikumar, A.Tewari, Learning with noisy labels. NIPS, 26, 1196–1204 (2013)
[5] Rolnick, D., Veit, A., Belongie, S. & Shavit, N. Deep learning is robust to massive label noise. ArXiv e-prints, 1705.10694 (2017).
[6] P. Hall, B. U. Park, R. J. Samworth, Choice of neighbour order in nearest-neighbour classification. Ann. Statist., 36, 2135– 2152 (2008)
[7] Patrini, G., Rozza, A., Menon, A. K., Nock, R. & Qu, L. Making deep neural networks robust to label noise: a loss correction approach. IEEE Conf. Comp. Vis. & Patt. Recog.,1944–1952 (2017).
[8] K. Siwek, S. Osowski, Deep neural networks and classical approach to face recognition – comparative analysis, Przegląd Elektrotechniczny, 94(4), 1-4 (2018).
[9] I. Goodfellow, Y. Bengio and A Courville, Deep learning, MIT Press, 2016.
[10] Krizhevsky, I. Sutskever, G.E. Hinton, “ImageNet classification with deep convolutional neural networks” Communications of the ACM, 60(6) 84–90 (2014).

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

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-6 , nr katalogowy 148966 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-6 licencja: Osobista Produkt cyfrowy Nowość	85.00 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

2024-6

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma