$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

부분 최소제곱법을 이용한 얼굴 인식에 관한 연구

A Study on Face Recognition based on Partial Least Squares

초록

얼굴 인식에서 얼굴 이미지의 특정 추출 방법에는 여러 가지가 있다. 그러나, 얼굴 이미지의 대부분은 표본의 수보다 특정 변수의 수가 많기 때문에 이러한 점을 고려한 특정 추출 방법이 필요하다. 본 논문에서는 부분 최소제곱법을 이용하여 특정 벡터의 차원을 축소하는 방법을 제안한다. 전통적인 차원 축소 방법인 주성분 분석은 클래스의 정보를 고려하지 않고 최대 변이를 가지는 성분을 추출하기 때문에, 클래스의 구분에 필요한 특정을 필수적으로 추출하지 못한다. 이에 비해, 부분 최소제곱법은 클래스 변수에 대한 정보를 포함하여 성분을 추출한다. 그러므로, 분류를 하는데 있어서는 주성분 분석에 의해 추출된 성분보다는 부분 최소제곱법에 의해 추출된 성분이 보다 더 예측적이다. 맨체스터와 ORL 얼굴 데이터베이스를 이용하여 실험한 결과, 분류와 차원 축소 측면에서 주성분 분석 방법보다는 부분 최소제곱법을 이용한 방법이 그 성능이 우수함을 알 수 있었다.

Abstract

There are many feature extraction methods for face recognition. We need a new method to overcome the small sample problem that the number of feature variables is larger than the sample size for face image data. The paper considers partial least squares(PLS) as a new dimension reduction technique for feature vector. Principal Component Analysis(PCA), a conventional dimension reduction method, selects the components with maximum variability, irrespective of the class information. So, PCA does not necessarily extract features that are important for the discrimination of classes. PLS, on the other hand, constructs the components so that the correlation between the class variable and themselves is maximized. Therefore PLS components are more predictive than PCA components in classification. The experimental results on Manchester and ORL databases shows that PLS is to be preferred over PCA when classification is the goal and dimension reduction is needed.

저자의 다른 논문

참고문헌 (14)

  1. K. Fukunaga, 'Introducion to Statistical Pattern Recognition', Academic Press, Boston, 1990 
  2. M. Turk, A. Pentland, 'Eigen faces for recognition', J. Cognitive Neurosci. 3, pp.71-86, 1991 
  3. P. M. Garthwaite, 'An interpretation of partial least squares', J. Am. Stat. Assoc. 89, pp.122-127, 1994 
  4. D. V. Nguyen, D. M. Rocke, 'Tumor classfication of partial least squares using microarray gene expression data', Bioinfomatics 18, pp.39-50, 2002 
  5. B. D. Ripley, 'Pattern Recognition and Neural Networks', CAMBRIDGE UNIVERSITY PRESS, 1996 
  6. Guoding Guo, Stan Z. Li, Kap Luk Chan, 'Support vector machines for face recognition', Image and Vision Computing. 19, pp.631-638, 2001 
  7. 김기영, 전명식, '다변량 통계자료분석', 자유아카데미,1999 
  8. 김도향, '차원 축소 특징을 이용한 얼굴 인식 방법의 성능 비교'. 석사학위논문, 2004 
  9. 김선우, 김연주, 김종원, 윤길원, '부분 최소제곱회의(Partial Least Squares Regression) 이론과 분광학학정 혈중 헤모글로빈 진단에의 응용', 응용통계연구, 제10권, 2호, pp.227-239, 1997 
  10. 노형진, '다변량분석 이론과 실제', 형설출판사,2005 
  11. 문지현, 김학일, 류춘우, 이응봉, 전성욱, '생체 인식 시스템 성능평가를 위한 연구', 정보과학회지, 제19권, 제7호, pp.60-71, 2001 
  12. 박성현, 조신섭, 김성수, '한글 SPSS', SPSS 아카데미,2002 
  13. 이재훈, 전인자, 이정훈, 이필규,'오류-역전파 신경만 기반의 얼굴 검출 및 포즈 추정', 정보처리학회, 제9-B권, 제6호, pp.853-862, 2002 
  14. 장병탁, '다충신경망 은닉뉴런수의 효율적인 최적화', 정보과학회, 제25권, 제9호, pp.1333-1341, 1998 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일