Full metadata record
DC FieldValueLanguage
dc.contributor.authorEliades, Charalambos
dc.contributor.authorLenc, Ladislav
dc.contributor.authorKrál, Pavel
dc.contributor.authorPapadopoulos, Harris
dc.date.accessioned2019-06-03T10:00:14Z-
dc.date.available2019-06-03T10:00:14Z-
dc.date.issued2019
dc.identifier.citationELIADES, C. H., LENC, L., KRÁL, P., PAPADOPOULOS, H. Automatic face recognition with well-calibrated confidence measures. Machine Learning, 2019, roč. 108, č. 3, s. 511-534. ISSN 0885-6125.en
dc.identifier.issn0885-6125
dc.identifier.uri2-s2.0-85052496742
dc.identifier.urihttp://hdl.handle.net/11025/34733
dc.description.abstractV oblasti automatického rozpoznávání obličejů (AFR) byla vyvinuta celá řada metod, které dosahují vynikající úspěšnosti v případě kontrolovaných podmínek. Pokud podmínky nejsou kontrolované nebo jsou kontrolované jen v omezené míře, je úspěšnost významně snížena. Poskytnutí informace indikující pravděpodobnost, jestli je výsledek rozpoznání správný, je tedy velmi žádoucí. Tato práce se zabývá použitím konformního prediktoru (CP), který umožní k výstupu AFR metod přidat dobře kalibrované míry důvěry. CP je kombinován s klasifikátory založenými na deskriptorech POEM a SIFT. Dále je použita vážená kombinace obou klasifikátorů. Porovnáváme úspěšnost pěti způsobů výpočtu míry nonkonformity.cs
dc.format24 s.
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherSpringeren
dc.rightsPlný text je přístupný v rámci univerzity přihlášeným uživatelům.cs
dc.rights© Springeren
dc.subjectRozpoznávání obličejůcs
dc.subjectScale invariant feature transformcs
dc.subjectPOEMcs
dc.subjectKonformní predikcecs
dc.subjectDůvěracs
dc.subjectDůvěryhodnostcs
dc.subjectPredikční regionycs
dc.subjectNekontrolované podmínkycs
dc.titleAutomatic face recognition with well-calibrated confidence measuresen
dc.title.alternativeAutomatické rozpoznávání obličejů s dobře kalibrovanými mírami důvěrycs
dc.typečlánekcs
dc.typearticleen
dc.rights.accessrestrictedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedMany Automatic face recognition (AFR) methods achieve a high recognition accuracy when the environment is well-controlled. In the case of moderately controlled or fully uncontrolled environments however, the performance of most techniques is dramatically reduced. As a result, the provision of some kind of indication of the likelihood of a recognition being correct is a desirable property of AFR techniques. This work investigates the application of the conformal prediction (CP) framework for extending the output of AFR techniques with well-calibrated measures of confidence. In particular we combine CP with one classifier based on POEM descriptors, one classifier based on SIFT descriptors, and a weighted combination of the similarities computed by the two. We examine and compare the performance of five nonconformity measures.en
dc.subject.translatedFace recognitionen
dc.subject.translatedScale invariant feature transformen
dc.subject.translatedPOEMen
dc.subject.translatedConformal predictionen
dc.subject.translatedConfidenceen
dc.subject.translatedCredibilityen
dc.subject.translatedPrediction regionsen
dc.subject.translatedUncontrolled environmenten
dc.identifier.doi10.1007/s10994-018-5756-7
dc.type.statusPeer-revieweden
dc.identifier.document-number459945900007
dc.identifier.obd43925845
dc.project.IDLO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnostcs
Appears in Collections:Články / Articles (KIV)
OBD



Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/34733

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

search
navigation
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD