Повышение качества определения атрибутов личности по изображению лица путем усечения обучающей выборки
Аннотация
Для повышения качества определения атрибутов личности (пол, раса, возраст) по изображению лица при последовательном определении указанных атрибутов предложено использовать процедуру бутстраппинга, т. е. обучения на трудных примерах, которая ранее применялась для решения задачи выделения заданного объекта на изображении. Она предполагает разделение обучающей выборки на две части, предварительное формирование решающей функции по первой части, классификацию изображений второй части с помощью полученной решающей функции с выделением всех ошибочно классифицированных объектов, которые затем добавляются к первой части с последующим повторным обучением. Снижение эффекта переобучения решающей функции достигается за счет исключения из сформированной на втором этапе обучающей выборки наиболее трудных для классификации примеров, которые являются нетипичными представителями классифицируемых объектов. Подобный подход назван усеченным бутстраппингом. Предложенная процедура применяется в сочетании с методом опорных векторов для бинарной (определение пола) и множественной (определение расы) классификаций и совместно с регрессией на основе опорных векторов (определение возраста). Важной особенностью работы процедуры усеченного бутстраппинга в методе последовательного определения атрибутов личности является исключение из обучающей выборки случайно попавших в нее самых плохих прецедентов: сначала на этапе определения пола, затем на этапе определения расы и, наконец, при определении возраста. Использование предложенного подхода позволило повысить качество формирования решающих функций для определения атрибутов личности при наличии в обучающей выборке нетипичных прецедентов, попавших в нее по ошибке, и сохранить точность классификации, достигнутой методом последовательного определения атрибутов личности по изображению лица.
Литература
2. Deshmukh D. Gender Recognition from Model’s Face Using SVM Algorithm // Intern. J. Eng. Trends and Techn. 2014. V. 10. No. 1. Pp. 13—18.
3. Demirkus M., Garg K., Guler S. Automated Person Categorization for Video Surveillance Using Soft Biometrics // Proc. Biometrics Techn. for Human Identification. 2010. V. 7667. Pp. 564—576.
4. Zamwar S.C., Ladhake S.A. Human Face Detection and Tracking for Age Rank, Weight and Gender Estimation based on Face Images utilizing Raspberry Pi Processor // Intern. Research J. Eng. and Techn. 2017. V. 4 (2). Pp. 185—188.
5. Shan C. Learning Local Binary Patterns for Gender Classification on Real-World Face Images // Pattern Recognition Lett. 2012. V. 33 (4). Pp. 431—437.
6. Yang Z., Ai H. Demographic Classification with Local Binary Patterns // Proc. IEEE Intern. Conf. Biometrics. 2007. Pp. 464—473.
7. Kazimov T., Mahmudova S. About a Method of Recognition of Race and Ethnicity of Individuals Based on Portrait Photographs // Intelligent Control and Automation. 2014. No. 5. Pp. 120—125.
8. Рыбинцев А.В. Последовательное определение атрибутов личности по изображению лица на основе ранжированных LBP-признаков // Вестник МЭИ. 2017. № 5. С. 121—129.
9. Luu K., Ricanek K., Bui T., Suen C. Age Estimation Using Active Apparance Model and Support Vector Machine Regression // Proc. IEEE 3 rd Intern. Conf. Biometrics: Theory, Appl. and Syst. 2009. Pp. 1—5.
10. Rybintsev A. Age Estimation from a Face Image in a Selected Gender-Race Group based on Ranked Local Binary Patterns // Complex & Intelligent Syst. 2017. V. 3 (2). Pp. 93—104.
11. Maenpaa T. The Local Binary Pattern Approach to Texture Analysis — Extensions and Applications. Oulu University Press, 2003.
12. Рыбинцев А.В. Сокращение размерности пространства LBP-признаков в задачах определения атрибутов личности по изображению лица // Вестник МЭИ. 2016. № 1. С. 33—38.
13. Вьюгин В.В. Математические основы теории машинного обучения и прогнозирования. М.: МЦМНО, 2013.
14. Champagne C., McNairn H., Daneshfar B., Shang J. A Bootstrap Method for Assessing Classification Accuracy and Confidence For Agricul-tural Land Use Mapping in Canada // Intern. J. of Appl. Earth Observation and Geoinformation. 2014. V. 29. Pp. 44—52
15. Felzenszwalb P.F., Girchik R.B., McAllester D., Ramanan D. Object Detection with Discriminatively Trained Part Base Models // IEEE Trans. Pattern Analysis & Machine Intelligence. 2010. V. 32 (9). Pp. 1627—1645.
16. Guo G., Fu Y., Dyer C., Huang T. Image-based Human Age Estimation by Manifold Learning and Locally Adjusted Robust Regression // IEEE Trans. Image Proc. 2008. V. 17 (7). Pp. 1178—1188.
17. Chang K-Y., Chen C-S. A Learning Framework for Age Rank Estimation based on Face Images with Scattering Transform // IEEE Trans. Image Proc. 2015. V. 24 (3). Pp. 785—798.
18. Liu H., Lu J., Feng J., Zhou J. Group-aware Deep Feature Learning for Facial Age Estimation // Pattern Recognition. 2017. V. 66. Pp. 82—94.
---
Для цитирования: Рыбинцев А.В. Повышение качества определения атрибутов личности по изображению лица путем усечения обучающей выборки // Вестник МЭИ. 2018. № 6. С. 103—109. DOI: 10.24160/1993-6982-2018-6-103-109.
#
1. Moghaddam B., Yang M. Learning Gender with SuPp.rt Faces. IEEE Trans. and Pattern Analysis and Machine Intelligence. 2002;24 (5):707—711.
2. Deshmukh D. Gender Recognition from Model’s Face Using SVM Algorithm. Intern. J. Eng. Trends and Techn. 2014;10;1:13—18.
3. Demirkus M., Garg K., Guler S. Automated Person Categorization for Video Surveillance Using Soft Biometrics. Proc. Biometrics Techn. for Human Identification. 2010;7667:564—576.
4. Zamwar S.C., Ladhake S.A. Human Face Detection and Tracking for Age Rank, Weight and Gender Estimation based on Face Images utilizing Raspberry Pi Processor. Intern. Research J. Eng. and Techn. 2017;4 (2):185—188.
5. Shan C. Learning Local Binary Patterns for Gender Classification on Real-World Face Images. Pattern Recognition Lett. 2012;33 (4):431—437.
6. Yang Z., Ai H. Demographic Classification with Local Binary Patterns. Proc. IEEE Intern. Conf. Biometrics. 2007:464—473.
7. Kazimov T., Mahmudova S. About a Method of Recognition of Race and Ethnicity of Individuals Based on Portrait Photographs. Intelligent Control and Automation. 2014;5:120—125.
8. Rybintsev A.V. Posledovatel'noe Opredelenie Atributov Lichnosti po Izobrazheniyu Litsa na Osnove Ranzhirovannyh LBP-priznakov. Vestnik MPEI. 2017;5:121—129. (in Russian).
9. Luu K., Ricanek K., Bui T., Suen C. Age Estimation Using Active Apparance Model and Support Vector Machine Regression. Proc. IEEE 3 rd Intern. Conf. Biometrics: Theory, Appl. and Syst. 2009:1—5.
10. Rybintsev A. Age Estimation from a Face Image in a Selected Gender-Race Group based on Ranked Local Binary Patterns. Complex & Intelligent Syst. 2017;3 (2):93—104.
11. Maenpaa T. The Local Binary Pattern Approach to Texture Analysis — Extensions and Applications. Oulu University Press, 2003.
12. Rybintsev A.V. Sokrashchenie Razmernosti Prostranstva LBP-priznakov v Zadachah Opredeleniya Atributov Lichnosti po Izobrazheniyu Litsa. Vestnik MPEI. 2016;1:33—38. (in Russian).
13. V'yugin V.V. Matematicheskie Osnovy Teorii Mashinnogo Obucheniya i Prognozirovaniya. M.: MTSMNO, 2013. (in Russian).
14. Champagne C., McNairn H., Daneshfar B., Shang J. A Bootstrap Method for Assessing Classification Accuracy and Confidence For Agricul-tural Land Use Mapping in Canada. Intern. J. of Appl. Earth Observation and Geoinformation. 2014;29:44—52
15. Felzenszwalb P.F., Girchik R.B., McAllester D., Ramanan D. Object Detection with Discriminatively Trained Part Base Models. IEEE Trans. Pattern Analysis & Machine Intelligence. 2010;32 (9):1627—1645.
16. Guo G., Fu Y., Dyer C., Huang T. Image-based Human Age Estimation by Manifold Learning and Locally Adjusted Robust Regression. IEEE Trans. Image Proc. 2008;17 (7):1178—1188.
17. Chang K-Y., Chen C-S. A Learning Framework for Age Rank Estimation based on Face Images with Scattering Transform. IEEE Trans. Image Proc. 2015;24 (3):785—798.
18. Liu H., Lu J., Feng J., Zhou J. Group-aware Deep Feature Learning for Facial Age Estimation. Pattern Recognition. 2017;66:82—94.
---
For citation: Rybintsev A.V. Improving the Quality of Identifying Personality Attributes from a Face Image by Using a Truncated Learning Sample. MPEI Vestnik. 2018;6:103—109. (in Russian). DOI: 10.24160/1993-6982-2018-6-103-109.
