信号・ノイズ間の双対性に着目した個人識別と表情認識の並行学習

关注信号与噪声二元性的个人识别与面部表情识别并行学习

• 批准号: 12750203
• 负责人: 平岡 和幸
• 金额: $ 1.34万
• 依托单位: Saitama University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 2000
• 资助国家: 日本
• 起止时间: 2000 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-12750203/
• 关键词: 複数属性; パターン認識; 機械学習; 顔画像; ニューラルネットワーク; 情報表現; 顔画像認識; 頑健性; 異課題並行学習; 相補型判別器; 信号ノイズ双対性

従来,パターン認識においては単一の属性の判別が扱われてきた.しかし,現実の課題は,顔画像からの表情判別と個人判別のように複数の属性を扱う必要がある.このような課題を従来の方法で扱うなら,表情判別と個人判別を独立に行うか,表情と個人の組を一つの属性とみなして判別を行うか,ということになる.しかし,前者では個人ごとの表情の差異への対応が難しく,後者では組み合わせの数が大きくなるためサンプルの確保が難しい.そこで,このような複数の属性を持つデータを扱うことのできるモデルを構築した.(a)顔画像認識で広く使われている線形判別分析に環境変化への適応能力を付加するオンライン線形判別分析アルゴリズムの開発・改良を行なった.応用として,本アルゴリズムを実時間顔画像判別システムに組み込んだ.(b)顔画像のように高次元のデータを扱うためには,有用な成分をできるだけ保存しつつ低次元の特徴量に変換することが必須となる.そこで,圧縮後のデータの分布が属性ごとにできるだけ異なるよう,という観点から,Kullback-Leibler情報量に基づいて変換を決定する手法を提案した.(c)複数属性を持つ高次元データに対し,各属性をそれぞれ低次元ベクトルで表現するモデルを,ニューラルネットで構築した.これを複数人物・複数表情の顔画像に適用し,人物・表情の全組み合わせが与えられていなくても,与えられた顔画像から欠けた組み合わせの顔画像を推定し,判別を行うことができた.(d)個人や表情のラベルがつけられていない顔画像だけを与えられて,個人別・表情別という複数の観点での分類を行うという,教師なし課題にも着手し,低次元の基本的な例題に対しての実験で分類に成功した.

従, パ タ ー ン know に お い て は 単 の attributes の discriminant が Cha わ れ て き た. し か し, now be の topic は, yan portrait か ら の expression identifying と personal identifying の よ う に plural の attribute を Cha う necessary が あ る. こ の よ う な subject を 従 to の way で Cha う な ら, discriminant と personal expression line discriminant を independent に う か, expression と personal の set is を つ の attribute と み な し て line discriminant を う か, と い う こ と に な る. し か し, the former で は personal ご と の の expression differences へ の 応 seaborne が difficult し く, the latter で は group み close わ せ が の number big き く な る た め サ ン プ ル の ensure が difficult し い. そ こ で, こ の よ う な plural の attribute を hold つ デ ー タ を Cha う こ と の で き る モ デ ル を build し た. (a) yan portrait know で hiroo く make わ れ て い る linear discriminant analysis に environmental variations へ の optimum 応 ability を plus す る オ ン ラ イ ン linear discriminant analysis ア ル ゴ リ ズ ム の open 発 line, improved を な っ た. 応 with と し て, this ア ル ゴ リ ズ ム を be time yan portrait discriminant シ ス テ ム に group み 込 ん だ. (b) yan portrait の よ う に high dimensional の デ ー タ を Cha う た め に は, useful な composition を で き る だ け save し つ つ low dimensional の te 徴 に variations in す る こ と が must と な る. そ こ で, 圧 shrinkage after の デ ー タ の distribution が attribute ご と に で き る だ け Different な る よ う, と い う 観 point か ら, Kullback Leibler information - quantity に base づ い て variations in を decided す る technique proposed を し た. (c) a plural attribute を hold つ high dimensional デ ー タ に し seaborne, each attribute を そ れ ぞ れ low dimensional ベ ク ト ル performance で す る モ デ ル を, ニ ュ ー ラ ル ネ ッ ト で build し た. こ れ を, complex characters Plural expressions の yan portrait に applicable し, character, expression の み close whole わ せ が and え ら れ て い な く て も, with え ら れ た yan portrait か ら owe け た group み close わ せ の yan portrait を presumption し, line discriminant を う こ と が で き た. (d) personal や expression の ラ ベ ル が つ け ら れ て い な い yan portrait だ け を and え ら れ て, personal, don't look, don't と い う complex Line number の 観 point で の classification を う と い う, teachers な し subject に も し, low dimensional の basic な sample に し seaborne て の be 験 で classification に successful し た.

项目成果

Hiraoka,K. et al.: "Successive learning of Linear discriminant analysis"Proc. of 15th ICPR. 2. 664-667 (2000)

平冈，K.

HIRAOKA Kazuyuki, et al.: "Fast algorithm for online linear discriminant analysis"IEICE Transactions on Fundamental of Electranics,Communications and Computer Science. E84-A,6. 1431-1434 (2001)

HIRAOKA Kazuyuki 等人：“在线线性判别分析的快速算法”IEICE Transactions on Fundamental of Electranics、Communications and Computer Science。

平岡和幸, 他: "2種類の属性に対するベクトル表現の獲得"日本神経回路学会第11回全国大会(JNNS2001)講演論文集. 11. 113-114 (2001)

Kazuyuki Hiraoka 等人：“获取两种类型属性的向量表示”第 11 届日本神经网络学会全国会议论文集 (JNNS2001) (JNNS2001)。

上岡令奈, 倉田耕治, 平岡和幸, 他: "自己連想ニューラルネットワークによる複数属性データ分類のための教師無し同時学習手法の提案"電子情報通信学会総合大会講演論文集. (To appear). (2002)

Reina Kamioka、Koji Kurata、Kazuyuki Hiraoka 等人：“使用自动关联神经网络对多属性数据进行分类的无监督同步学习方法的提议”，IEICE 大会论文集（2002 年）。

森下壮一郎,平岡和幸 他: "オンライン線形判別分析の頑健化に向けた学習係数の自動調節"信学会情報・システムソサイエティ大会講演論文集. 217 (2000)

Soichiro Morishita、Kazuyuki Hiraoka 等人：“在线线性判别分析稳健性的学习系数自动调整”IEICE 信息与系统协会会议记录 217 (2000)。