論文の概要: Developing a gender classification approach in human face images using
modified local binary patterns and tani-moto based nearest neighbor algorithm
- arxiv url: http://arxiv.org/abs/2001.10966v1
- Date: Wed, 29 Jan 2020 17:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 21:20:25.923181
- Title: Developing a gender classification approach in human face images using
modified local binary patterns and tani-moto based nearest neighbor algorithm
- Title(参考訳): 修正された局所二分パターンと谷本に基づく近距離アルゴリズムを用いた顔画像における性別分類手法の開発
- Authors: Shervan Fekri-Ershad
- Abstract要約: 本稿では,改善されたローカルバイナリパッター(MLBP)に基づく顔画像の性別分類のための多段階的アプローチを提案する。
提案手法は,データベースの比較回数の削減により,スマートフォンアプリケーションの計算複雑性を低減させる。
また、メモリとCPU使用量の削減により、Smarphonesの同期アプリケーションの性能も向上する。
- 参考スコア(独自算出の注目度): 14.620086904601472
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Human identification is a much attention problem in computer vision. Gender
classification plays an important role in human identification as preprocess
step. So far, various methods have been proposed to solve this problem.
Absolutely, classification accuracy is the main challenge for researchers in
gender classification. But, some challenges such as rotation, gray scale
variations, pose, illumination changes may be occurred in smart phone image
capturing. In this respect, a multi step approach is proposed in this paper to
classify genders in human face images based on improved local binary patters
(MLBP). LBP is a texture descriptor, which extract local contrast and local
spatial structure information. Some issues such as noise sensitivity, rotation
sensitivity and low discriminative features can be considered as disadvantages
of the basic LBP. MLBP handle disadvantages using a new theory to categorize
extracted binary patterns of basic LBP. The proposed approach includes two
stages. First of all, a feature vector is extracted for human face images based
on MLBP. Next, non linear classifiers can be used to classify gender. In this
paper nearest neighborhood classifier is evaluated based on Tani-Moto metric as
distance measure. In the result part, two databases, self-collected and ICPR
are used as human face database. Results are compared by some state-ofthe-art
algorithms in this literature that shows the high quality of the proposed
approach in terms of accuracy rate. Some of other main advantages of the
proposed approach are rotation invariant, low noise sensitivity, size invariant
and low computational complexity. The proposed approach decreases the
computational complexity of smartphone applications because of reducing the
number of database comparisons. It can also improve performance of the
synchronous applications in the smarphones because of memory and CPU usage
reduction.
- Abstract(参考訳): 人間の識別はコンピュータビジョンにおいて非常に注意深い問題である。
性分類は、前工程として人間の識別において重要な役割を果たす。
これまでのところ、この問題を解決するために様々な方法が提案されている。
もちろん、性別分類の研究者にとって、分類精度は大きな課題である。
しかし、ローテーション、グレースケールのバリエーション、ポーズ、照明の変化といったいくつかの課題は、スマートフォンのイメージキャプチャーで起こりうる。
本稿では,改善された局所的バイナリパッター(MLBP)に基づいて,性別を人間の顔画像に分類する多段階的アプローチを提案する。
LBPはテクスチャ記述子であり、局所コントラストと局所空間構造情報を抽出する。
ノイズ感度, 回転感度, 低判別特性などの問題点は, 基本lppの欠点と考えられる。
mlbpは新しい理論を用いて、基本lppの抽出されたバイナリパターンを分類する。
提案手法には2つの段階がある。
まず、MLBPに基づいて人間の顔画像の特徴ベクトルを抽出する。
次に、非線型分類器は性別の分類に使用できる。
本稿では,谷本計量を距離尺度として最寄り近傍分類器を評価する。
その結果、人間の顔データベースとして、自己コンパイルとICPRの2つのデータベースが使用される。
本論文では,提案手法の精度と精度を比較検討した結果を,最新のアルゴリズムと比較した。
提案手法の主な利点は、回転不変量、低雑音感度、サイズ不変量、低計算複雑性である。
提案手法は,データベースの比較回数を減らすため,スマートフォンアプリケーションの計算複雑性を低減させる。
また、メモリとCPU使用量の削減により、Smarphonesの同期アプリケーションの性能も向上する。
関連論文リスト
- SSA-Seg: Semantic and Spatial Adaptive Pixel-level Classifier for Semantic Segmentation [11.176993272867396]
本稿ではセマンティック・空間適応(SSA-Seg)を提案し,セマンティックセグメンテーションの課題に対処する。
具体的には、固定されたプロトタイプから得られた粗いマスクを用いて、テスト画像のセマンティック領域と空間領域の中心に向けて固定されたプロトタイプを調整する。
その結果,提案したSSA-Segは,計算コストを最小限に抑えながら,ベースラインモデルのセグメンテーション性能を著しく向上させることがわかった。
論文 参考訳(メタデータ) (2024-05-10T15:14:23Z) - Few-shot Image Classification based on Gradual Machine Learning [6.935034849731568]
少ないショット画像分類は、ラベル付きサンプルのみを使用してラベル付きイメージを正確に分類することを目的としている。
段階的機械学習(GML)の非i.dパラダイムに基づく新しいアプローチを提案する。
提案手法は精度でSOTAの性能を1-5%向上させることができることを示す。
論文 参考訳(メタデータ) (2023-07-28T12:30:41Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - Open-Set Face Identification on Few-Shot Gallery by Fine-Tuning [16.818401142963268]
我々は、細調整により、数枚のギャラリーで、オープンセットの顔認証問題に対処することに注力する。
重みインプリントと排他的BatchNorm層チューニングを併用した効果的な微調整手法を提案する。
未知のアイデンティティの精度をさらに向上させるため,我々はNeighborhood Aware Cosineと呼ばれる新しいマッチング手法を提案する。
論文 参考訳(メタデータ) (2023-01-05T06:02:16Z) - Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。
本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。
大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文 参考訳(メタデータ) (2022-05-13T10:25:44Z) - Direct Dense Pose Estimation [138.56533828316833]
複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。
従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。
そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
論文 参考訳(メタデータ) (2022-04-04T06:14:38Z) - HHP-Net: A light Heteroscedastic neural network for Head Pose estimation
with uncertainty [2.064612766965483]
そこで,本研究では,頭部キーポイントの小さなセットから始まる,単一画像中の人物の頭部ポーズを推定する新しい手法を提案する。
私たちのモデルは実装が簡単で、芸術の状況に関してより効率的です。
論文 参考訳(メタデータ) (2021-11-02T08:55:45Z) - Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。
歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。
ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
論文 参考訳(メタデータ) (2020-09-16T06:33:35Z) - Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
本研究では,セマンティックデータ拡張法 (SDA) を提案する。
また,適応的セマンティックデータ拡張 (ASDA) を提案する。
最先端の結果は、挑戦的なベンチマークで得られます。
論文 参考訳(メタデータ) (2020-08-03T07:56:04Z) - Rethinking Generative Zero-Shot Learning: An Ensemble Learning
Perspective for Recognising Visual Patches [52.67723703088284]
我々はMPGAN(Multi-patch Generative Adversarial Nets)と呼ばれる新しいフレームワークを提案する。
MPGANは、新しい重み付き投票戦略で、ローカルパッチ機能とラベルが見えないクラスを合成する。
MPGANは最先端の手法よりもはるかに精度が高い。
論文 参考訳(メタデータ) (2020-07-27T05:49:44Z) - Gender Classification and Bias Mitigation in Facial Images [7.438105108643341]
最近の研究では、バイアス付きベンチマークデータベースでトレーニングされたアルゴリズムがアルゴリズムバイアスをもたらす可能性があることが示されている。
顔認証と性別分類タスクのための既存のベンチマークデータベースについて調査を行った。
我々は、分類精度の向上と、拡張ベンチマークデータベースでトレーニングされたベースラインモデルにおけるアルゴリズムバイアスの軽減に取り組みました。
論文 参考訳(メタデータ) (2020-07-13T01:09:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。