Název: | Improving Face Recognition Methods Based on POEM Features |
Další názvy: | Vylepšení metod pro rozpoznávání obličejů založených na deskriptorech POEM |
Autoři: | Lenc, Ladislav Král, Pavel |
Citace zdrojového dokumentu: | LENC, L., KRÁL, P. Improving Face Recognition Methods Based on POEM Features. In: Proceedings of the 12th International Conference on Agents and Artificial Intelligence. Setúbal: ScitePress, 2020. s. 538-545. ISBN 978-989-758-395-7 , ISSN 2184-433X. |
Datum vydání: | 2020 |
Nakladatel: | ScitePress |
Typ dokumentu: | konferenční příspěvek conferenceObject |
URI: | 2-s2.0-85083115358 http://hdl.handle.net/11025/39630 |
ISBN: | 978-989-758-395-7 |
ISSN: | 2184-433X |
Klíčová slova: | POEM;rozpoznávání obličejů;lokální příznaky;UFI |
Klíčová slova v dalším jazyce: | POEM;Face Recognition;Local Features;UFI |
Abstrakt: | Obvyklý způsob použití POEM deskriptorů je vytvoření příznaků v pravidelných obdélníkových regionech, které pokrývají celý snímek. Příznaky jsou spojeny do jednoho vektoru, který reprezentuje snímek obličeje. V článku je navržena vylepšená metoda, která využívá automaticky detekované body pro vytvoření příznaků. Zároveň je použita komplexnější metoda pro porovnávání příznakových vektorů. Navržená metoda nalezne uplatnění zejména v případech, kdy je k dispozici omezené množství dat a použití např. neuronových sítí by proto bylo obtížné. Metoda je testována na třech standardních obličejových korpusech. Dosažené výsledky ukazují, že použití POEM deskriptorů a příznaků, vytvořených v automaticky detekovaných bodech, dosahuje výrazně lepších výsledků, než základní metody. |
Abstrakt v dalším jazyce: | The usual way how POEM descriptors are utilized consists in constructing features in rectangular non-overlapping regions covering the whole image. The features created in the regions are then concatenated into one long vector representing the face. We propose an enhancement of this method using automatic key-point identification strategies. In our approach, the image features are created in the detected key-points. We also employ a more complex matching procedure that compares the features individually. This method is efficient particularly when the number of training samples is small and therefore neural network based methods fail, because they do not have enough training data. The proposed approach is evaluated on three standard face corpora. The obtained results show that the combination of POEM features with the automatic point identification and a more sophisticated matching algorithm brings significant improvement over the baseline method. |
Práva: | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © ScitePress |
Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KIV) OBD |
Soubory připojené k záznamu:
Soubor | Velikost | Formát | |
---|---|---|---|
Lenc, Král ICAART_2020_paper.pdf | 207,14 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/39630
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.