선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 각 모듈이 출력하는 차이 값의 최소값으로만 승자를 결정하는 경우의 오류를 줄여보고자 5개의 출력값들이 나타내는 비선형적 패턴을 신경망에 학습하여 성능을 실험하였다. 신경망은 3계층으로 입력, 히 든, 출력 노드 각각 5, 7, 5개로 구성하였으며, 학습알고리즘은 교사학습알고리즘의 대표인 백프로퍼게이션을 사용하였다.
- 데이터 집합은 2가지로 包시선의 상중하, 5포즈, 포즈당 5장면을 선정한 총 75장의 영상과, 値)시선의 상중하, 5포즈, 포즈당 1장면, 장면당 광원 9군데로 총 135장의 영상을 수집하였다. 광원은 영상을 가로세로 3등분하여 교차하는 지점으로 설정하였다. 표본 영상은 ④에서 시선이 가운데인 표본을 사용하여 포즈별 5장을 사용하여 PCA 모듈을 구성하였다.
- 다양한 표본수집 특히, 빛의 뱡향에 따른 표본 획득의 어려움은 3차원 모델을 통한 합성방안을 따랐다[3L 본 논문에서는 3차원 한국인 표준모형[4]을 통해 하나의 얼굴 영상에 대해 광원을 9군데로 변경시키면서 표본을 수집하였다.
- 본 논문에서는 왼쪽에서 오른쪽으로 5가지 얼굴 방향을 설정하여 표본을 수집하고, 이들에 대하여 PCA 모듈을 구성한다. 새로운 얼굴 영상과 5개의 PCA 모듈을 통해 복원한 영상올 비旦하여 이 중 오차가 가장 작은 복원 영상을 출력한 PCA 모듈의 얼굴 포즈를 입력 영상의 포즈로 결정한다.
- 빛에 의한 오판을 줄이고자 포즈별 PCA 모듈을 통해 나온 결과를 신경망에 학습하여 포즈 분류 실험을 수행하였다.
- 본 논문에서는 왼쪽에서 오른쪽으로 5가지 얼굴 방향을 설정하여 표본을 수집하고, 이들에 대하여 PCA 모듈을 구성한다. 새로운 얼굴 영상과 5개의 PCA 모듈을 통해 복원한 영상올 비旦하여 이 중 오차가 가장 작은 복원 영상을 출력한 PCA 모듈의 얼굴 포즈를 입력 영상의 포즈로 결정한다.
- 각 모듈이 출력하는 차이 값의 최소값으로만 승자를 결정하는 경우의 오류를 줄여보고자 5개의 출력값들이 나타내는 비선형적 패턴을 신경망에 학습하여 성능을 실험하였다. 신경망은 3계층으로 입력, 히 든, 출력 노드 각각 5, 7, 5개로 구성하였으며, 학습알고리즘은 교사학습알고리즘의 대표인 백프로퍼게이션을 사용하였다. 데이터 집합(④。 를 합한 총 210장의 영상에 대하여 각 모듈이 출력하는 5개의 차이 값 을 입력으로 하였으며, 10-fold-cross-validation 방법[6]으로 실험하여, 최고 98.
- 포즈 분류성능은 3.1 절에서 보았듯이 입력 영상과 복원 영상 간의 픽셀 간 차이를 사용하였다. 가장 작은 값을 출력한 모듈을 숭자로 결정하 는 방법과, 이들 출력값의 비선형적 패턴을 신경망에 입력하여 승자를 결정하는 방법에 대하여 데이터 집합 (①①에 대하여 수행하였다.
대상 데이터
- 다중 PCA 모듈의 성능을 실험하기 위하여 3차원 모델로부터 그림3 과 같은 얼굴 표본을 수집하였다. 데이터 집합은 2가지로 包시선의 상중하, 5포즈, 포즈당 5장면을 선정한 총 75장의 영상과, 値)시선의 상중하, 5포즈, 포즈당 1장면, 장면당 광원 9군데로 총 135장의 영상을 수집하였다. 광원은 영상을 가로세로 3등분하여 교차하는 지점으로 설정하였다.
- 모듈 기능을 확인하기 위하여 19장의 얼굴 포즈 영상을 표본 영상으로 사용하였다. 그림 1-(b) 는 얼굴인식에서 사용하는 방법으로 표본에서 사용하지 않은 좌측을 향하고 있는 영상을 입력으로 하였을 때 표본에서 제일 좌측 PC와 유사도가 가장 큼을 확인할 수 있다.
- 광원은 영상을 가로세로 3등분하여 교차하는 지점으로 설정하였다. 표본 영상은 ④에서 시선이 가운데인 표본을 사용하여 포즈별 5장을 사용하여 PCA 모듈을 구성하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.