$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

가려진 얼굴의 인식
Recognition of Occluded Face 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.23 no.6, 2019년, pp.682 - 689  

강현철 (Department of Information and Telecommunication Engineering, Incheon National University)

초록
AI-Helper 아이콘AI-Helper

부분 기반 영상 표현(part-based image representation)에서는 영상의 부분적인 모습을 기저 벡터로 표현하고 기저 벡터의 선형 조합으로 영상을 분해하며, 이 때 기저 벡터의 계수가 곧 물체의 부분적인 특징을 의미하게 된다. 본 논문에는 부분 기반 영상 표현 기법인 비음수 행렬 분해(non-negative matrix factorization, NMF)를 이용하여 얼굴 영상을 표현하고 신경망 기법을 적용하여 가려진 얼굴을 인식하는 얼굴 인식을 제안한다. 표준 비음수 행렬 분해, 투영 경사 비음수 행렬 분해, 직교 비음수 행렬 분해를 이용하여 얼굴 영상을 표현하였고, 각 기법의 성능을 비교하였다. 인식기로는 학습벡터양자화 신경망을 사용하였으며, 인식기에서의 거리 척도로는 유클리디언 거리를 사용하였다. 실험 결과, 전통적인 얼굴 인식 방법에 비하여 제안한 기법이 가려진 얼굴 인식에 보다 강인함을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In part-based image representation, the partial shapes of an object are represented as basis vectors, and an image is decomposed as a linear combination of basis vectors where the coefficients of those basis vectors represent the partial (or local) feature of an object. In this paper, a face recogni...

주제어

#가려짐   #부분 기반 영상 표현   #비음수 행렬 분해   #얼굴 인식  

표/그림 (12)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 부분 기반 영상 표현의 한 기법인 비음수 행렬 분해를 이용하여 얼굴 영상을 표현하고 이를 기반으로 얼굴을 인식하여 부분 기반 표현이 가려짐에 강인함으로 확인하고자 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
얼굴 인식은 어떤 분야에서 응용되고 있는가? 얼굴 인식은 컴퓨터 비전 분야 중 문자 인식과 함께 가장 활발하게 연구되어 온 분야 중 하나이며, 개인 및 특정 집단의 인증과 범죄자 검색 등 많은 응용 분야에서 사용되고 있다[1~3].
부분 기반 영상 표현이란 무엇인가? 부분 기반 영상 표현(part-based image representation)에서는 영상의 부분적인 모습을 기저 벡터로 표현하고 기저 벡터의 선형 조합으로 영상을 분해하며, 이 때 기저 벡터의 계수가 곧 물체의 부분적인 특징을 의미하게 된다. 본 논문에는 부분 기반 영상 표현 기법인 비음수 행렬 분해(non-negative matrix factorization, NMF)를 이용하여 얼굴 영상을 표현하고 신경망 기법을 적용하여 가려진 얼굴을 인식하는 얼굴 인식을 제안한다.
LVQ 학습 알고리즘은 집단의 좋은 경계면을 어떻게 구분하는가? LVQ 학습 알고리즘은 SOFM이 비지도 학습을 통하여 입력 패턴에 대해 중심을 찾는 것에 반하여 지도 학습을 통한 각 집단의 좋은 경계면을 찾는 것으로서 구분될 수 있으며 학습 과정에 있어서 참조 벡터를 선택하는 방법에 따라 LVQ1, LVQ2로 분류된다. 이러한 두 종류의 LVQ 알고리즘은 모두 학습 패턴으로부터 초기에 같은 차원 및 집단을 갖는 참조 벡터를 할당받는다. 이는 기존의 군집화 알고리즘을 이용함으로써 초기에 좋은 상태의 참조 벡터를 가지고 학습을 수행한다. 또한 인식 과정에서는 임의의 시험 패턴에 대하여 학습을 통해 얻어진 참조 벡터에 가장 가까운 패턴의 집단으로 분류한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. R. Abiantu, U. Prabhu, and M. Savvides, "Sparse Feature Extraction for Pose-Tolent Face Recognition," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 36, no. 10, pp. 2061-2073, 2014. 

    상세보기 crossref

  2. Y. Sun, Y. Chen, X. Wang, and X. Tang, "Deep Learning Face Representation by Joint Identification-Verification," Neural Information Processing Systems, pp. 1988-1996, 2014. 

  3. X. Zhu, Z. Lei, J. Yan, D. Yi, and S. Z. Li, "High-Fidelity Pose and Expression Normalization for Face Recognition in the Wild," IEEE Conference on Computer Vision and Pattern Recognition, pp. 787-796, 2015. 

  4. S. Zaafeiriou, C. Zhang, and Z. Zhang, "A Survey on face detection in the wild: Past, present and future," Computer Vision and Image Understanding, vol. 138, no. 9, pp.1-24, Sep. 2015. 

  5. D. D. Lee, H. S. Seung, "Algorithms for Non-Negative Matrix Factorization," Advances in Neural Information Processing Systems, vol. 13, pp. 556-562, 2001. 

  6. D. D. Lee, H. S. Seung, "Learning the Parts of Objects by Non-Negative Matrix Factorization," Nature, vol. 401, no. 6755, pp. 788-791, 1999. 

    상세보기 crossref

  7. J. M. Ban, B. Lee, and H. Kang, "Vehicle Recognition using NMF in Urban Scene," Journal of Korean Information and Communications Society, vol. 37, no. 7, pp. 554-564, 2012. 

    원문보기 상세보기 crossref

  8. J. M. Ban, and H. Kang, "Vehicle Recognition using Non-negative Tensor Factorization," Journal of the Institute of Electronics and Information Engineers, vol. 52, no. 5, pp. 960-970, 2015. 

  9. M. Ye, Y. Rian, and J. Zhou, "Multitask sparse nonnegative matrix factorization for joint spectral-spatial hyperspectreal imagery denoising," IEEE Trans. Geoscience and Remote Sensing, vol. 53, no. 5, pp. 2621-2639, 2015. 

    상세보기 crossref

  10. C. Lin, "On the Convergence of Multiplicative Update Algorithms for Nonnegative Matrix Factorization," IEEE Transactions on Neural Networks, vol. 18, no. 6, pp. 1589-1596, 2007. 

    상세보기 crossref

  11. C. Lin, "Projected Gradient Methods for Nonnegative Matrix Factorization," Neural Computation, vol. 19, no. 10, MIT Press, pp. 2756-2779, 2007. 

    상세보기 crossref

  12. C. Ding, T. Li, W. Peng, and H. Park, "Orthogonal nonnegative matrix tri-factorizations for clustering," Proceedings of the ACM SIGKDD, pp. 126-135, Philadelphia, PA, 2006. 

  13. Y. Wen, K. Zhang, Z. Li, and Y. Qiao, "A Discrminative Feature Learning Approach for Deep Face Recognition," European Conference on Computer Vision, pp. 499-515, 2016. 

  14. F. Schroff, D. Kalenichenko, J. Philbin, "FaceNet: A Unified Embedding for Face Recognition and Clustering," IEEE Conference on Computer Vision and Pattern Recognition, pp. 815-823, 2015. 

  15. C. Ding, D. Tao, "Robust Face Recognition via Multimodal Deep Face Representation," IEEE Trans. on Multimedia, vol. 17, no. 11, pp. 815-823, Nov. 2015. 

  16. T. Kohonen, "The self-organizing map," Proceedings of the IEEE, vol. 78, no. 9, pp. 1464-1480, 1990. 

    상세보기 crossref

  17. T. Kohonen, Self-Organization and Associative Memory, 3rd Ed., Springer-Veralg, 2012. 

  18. J. H. Choi, and S. Vishwanathan, "DFACTo: Distributed Factorization of Tensors," NIPS, pp. 1296-1304, 2014. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로