回転変動を考慮した分離型 2 次元格子 HMM による顔画像認識

• Item type: SIG Technical Reports(1)
• 公開日: 2009-03-06
• タイトル: 回転変動を考慮した分離型 2 次元格子 HMM による顔画像認識
• タイトル / 言語: en
• タイトル: Face recognition based on separable lattice 2-D HMM considering rotational variations
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 名古屋工業大学大学院工学研究科
• 著者所属: 名古屋工業大学大学院工学研究科
• 著者所属: 名古屋工業大学大学院工学研究科
• 著者所属(英): en
• 著者所属(英): Dept. of Computer Science and Engineering, Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Dept. of Computer Science and Engineering, Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Dept. of Computer Science and Engineering, Nagoya Institute of Technology
• 著者名: 玉森, 聡; 南角, 吉彦; 徳田, 恵一
• 著者名(英): Akira, Tamamori; Yoshihiko, Nankaku; Keiichi, Tokuda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 画像認識においては認識対象の拡大縮小や回転といった幾何学的な変動に対応する必要がある．これまでに画像の横，縦方向の変動に対して頑健な確率モデルとして分離型 2 次元格子 HMM が提案されている．分離型 2 次元格子 HMM は横，縦方向で独立したマルコフ状態遷移を持ち，画像の位置や大きさの変動に対する正規化をモデル構造に含む．しかしながら，このモデル構造においては回転変動に対応することができず，認識精度が低下する問題を抱えていた．そこで本稿では分離型 2 次元格子 HMM のモデル構造を拡張し，回転変動にも対応可能なモデル構造を提案する．また，変分 EM アルゴリズムを用いた提案法の学習アルゴリズムを導出し，顔画像認識実験により提案法の有効性を示す．さらに，確定的アニーリング EM アルゴリズムを適用することにより，学習アルゴリズムの改善を図る．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In image recognition systems, it needs to deal with geometrical variaions of images such as size, location and rotaion. Separable lattice 2-D hidden Markov Models (SL2D-HMMs) have been proposed as probablisctic models which are robust to variaions in both horizontal and vertical directions. SL2D-HMMs have multiple Markov state transitions along with those directions and they perform an elastic matching between images and model parameters. However, SL2D-HMMs cannot deal with rotational variations which degrade the recognition performance. In this paper, we propose a model structure which can deal with rotational variations by extending SL2D-HMMs. We derive a training algorithm for the proposed model based on the variational EM algorithm and evaluate the effectiveness of the model in face recognition experiments. Moreover, we apply the Deterministic Annealing EM (DAEM) algorithm to improve the training algorithm.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2009, 号 29(2009-CVIM-166), p. 159-164, 発行日 2009-03-06
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会