追加学習可能なパターン認識システムの提案と顔画像認識への応用

一种具有附加学习能力的模式识别系统的提出及其在人脸图像识别中的应用

基本信息

批准号：
16500130
负责人：
小澤誠一
金额：
$ 1.98万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

追加学習可能なパターン認識システムの開発に必要不可欠な学習アルゴリズムを考案した.成果の概要を以下にまとめる.(1)特徴空間の追加学習として,従来のIncremental Principal Component Analysis (IPCA)の改良を行った.具体的には,特徴空間の次元増加の判定基準として,寄与率による方法を提案し,その更新式を求めた.(2)従来のIPCAは,1つデータが与えられるたびに固有値問題を解く必要があった.これに対し,複数のデータをまとめて1回の更新で新しい固有基底を求める学習アルゴリズム(Chunk IPCA)を提案した.(3)改良IPCAアルゴリズムおよびCIPCAアルゴリズムを顔画像認識に適用し,追加学習が進むにつれて,認識精度が高まることとFalse Positive Rateが小さくなることを確認した.また,CIPCAを導入することによって,学習時間が大幅に短縮されることを確認した.(4)特徴空間の更新に伴い,識別機(ニューラルネット)の更新も同時に行う必要があり,結合荷重の更新だけでなく,入力変数の個数の変動にも追従できなければいけない.この問題に対し,長期記憶を導入したニューラルネットの記憶アイテムを特徴空間に合わせて更新し,それらを訓練データと一緒に学習するアルゴリズムを開発した.(5)従来の独立成分分析(Independent Component Analysis ; ICA)を教師あり学習に拡張する方式を提案し,独立性とクラス分離性を同時に高める学習アルゴリズムを導出した.また,いくつかのベンチマークデータで性能評価を行い,従来のICAやPCAで求めた特徴量に比べて,性能がよいデータもあることを確認した.

我们设计了一种学习算法，这对于开发其他学习模式识别系统至关重要。结果总结下面。（1）我们改善了传统的增量主成分分析（IPCA）作为特征空间的额外学习。具体而言，我们提出了一种基于贡献率的方法，作为增加特征空间维度的标准，并找到此方法的更新公式。（2）常规IPCA需要每次给出一个数据时解决特征值问题。相比之下，我们提出了一种学习算法（块IPCA），该算法在多个数据的一个更新中找到了一个新的特征基础。（3）我们将改进的IPCA和CIPCA算法应用于面部图像识别，随着其他学习的进展，识别精度的提高和假阳性，我们确认速率将较小。我们还确认，CIPCA的引入将大大减少学习时间。（4）随着功能空间的更新，标识设备（神经网络）必须同时更新，不仅更新了耦合负载，而且输入变量数量的变化也必须能够遵循输入变量数量的波动。为了解决这个问题，我们开发了一种算法，该算法根据功能空间更新具有长期内存的神经网络的内存项，并将其与培训数据一起学习。（5）我们提出了一种将常规独立组件分析（ICA）扩展到监督学习的方法，我们得出了一种同时增加独立性和阶级分离的学习算法。我们还使用多个基准数据进行了性能评估，并确认与使用常规ICA和PCA获得的功能量相比，有一些数据具有更好的性能。