<<
>>

Результаты тестирования предложенных модификаций признакового пространства

Для того, чтобы оценить эффективность рассмотренного пространства признаков в задаче распознавания пола по изображению лица был обучен классификатор на базе МОВ, входом которому служили вычисленные вектора ЛБШ признаков.

Обучение и тестирование классификатора проводилось с использованием тех же обучающих и тестовых баз, что и в случае обучения и тестирования базового алгоритма, что гарантирует корректность сравнения.

Рассмотрим ROC кривую алгоритма ЛБШ-МОВ по сравнению с ROC кривой базового классификатора МОВ (рис. 4.3).

Рис. 4.3. ROC кривая алгоритма ЛБШ-МОВ по сравнению с базовым алгоритмом

Использование ЛБШ признаков позволяет добиться преимущества в уровне распознавания по сравнению с классификатором МОВ. Так, при уровне ложных срабатываний 10% вероятность верного распознавания пола алгоритмом на базе МОВ составляет 75%, а та же величина для алгоритма ЛБШ-МОВ - 85%. Из рис. 4.3 можно сделать вывод, что алгоритм ЛБШ- МОВ имеет преимущество над базовым классификатором МОВ на всех участках ROC кривой.

Сравним основные показатели известного алгоритма АП-МОВ, предложенной модификации ЛБШ-МОВ и базового алгоритма на базе МОВ. Результаты классификации алгоритмами МОВ, АП-МОВ и ЛБШ-МОВ приведены в табл. 4.1.

Уровень распознавания алгоритма ЛБШ-МОВ по сравнению с существующими

алгоритмами

Алгоритм ЛБШ-МОВ АП-МОВ М ЮВ
Параметр Верно Неверно Верно Неверно Верно Неверно
Уровень распознавания мужчин, % 92,9 7,1 90,6 9,4 89,0 11,0
Уровень распознавания женщин, % 85,9 14,1 91,0 9,0 81,3 19,7
Общий уровень распознавания, % 89,4 11,6 90,8 9,2 85,1 14,9

ЛБШ-МОВ показывает уровень верного распознавания равный 89,4% и опережает алгоритм МОВ на 4,3%, однако, уступает классификатору АП- МОВ на 1,4%.

В случае алгоритма ЛБШ-МОВ сохраняется несимметричность в уровне распознавания мужчин и женщин, наблюдаемая у базового классификатора МОВ. Лучшие результаты в этом отношении демонстрирует алгоритм АП-МОВ.

Рассмотрим вторую предложенную модификацию - АП-ЛБШ-МОВ, заключающуюся в комбинировании адаптивных и ЛБШ признаков. Адаптивные признаки обучались только для яркостной компоненты изображения в соответствии с методикой, описанной в работе [85]. Было обучено 100 адаптивных признаков, и, таким образом, размерность итогового пространства признаков составила 21604. Каждый признак был нормирован относительно его максимального и минимального значения в обучающей выборке, чтобы его значения находились в диапазоне от 0 до 1. Далее в полученном признаковом пространстве, как и в предыдущем случае, был обучен классификатор на базе метода опорных векторов. Для обучения и тестирования использовались те же наборы изображений, что и для базового классификатора МОВ.

Сравнение ROC кривых предлагаемой модификации АП-ЛБШ-МОВ, алгоритма АП-МОВ и базового алгоритма МОВ представлено на рис. 4.4.

Рис. 4.4. ROC кривая алгоритма АП-ЛБШ-МОВ по сравнению с базовым алгоритмом и

алгоритмом АП-МОВ

Алгоритм АП-ЛБШ-МОВ опережает алгоритм АП-МОВ по уровню распознавания при одинаковом уровне ложных срабатываний. Выигрыш составляет 3-5% в диапазоне уровня ложных срабатываний 4-8%. Необходимо отметить тот факт, что алгоритм АП-МОВ содержит адаптивные признаки, посчитанные для цветовых компонент изображения в пространстве HSV, а алгоритм АП-ЛБШ-МОВ использует только яркостную компоненту, т.е. пригоден для распознавания, как цветных, так и монохромных изображений. Оба алгоритма существенно опережают базовый алгоритм МОВ.

Результаты классификации алгоритмами МОВ, АП-МОВ и АП-ЛБШ- МОВ приведены в табл. 4.2.

Уровень распознавания алгоритма АП-ЛБШ-МОВ по сравнению с существующими

алгоритмами

Алгоритм АП-ЛБШ-МОВ АП-МОВ М ЮВ
Параметр Верно Неверно Верно Неверно Верно Неверно
Уровень распознавания мужчин, % 93,9 6,1 90,6 9,4 89,0 11,0
Уровень распознавания женщин, % 94,3 5,7 91,0 9,0 81,3 19,7
Общий уровень распознавания, % 94,1 5,9 90,8 9,2 85,1 14,9

Алгоритм АП-ЛБШ-МОВ превосходит алгоритм АП-МОВ по общему уровню распознавания на 3,3% и достигает уровня в 94,1%.

При этом уровни верного распознавания мужчин и женщин у алгоритма АП-ЛБШ-МОВ приблизительно равны. Выигрыш по общему уровню распознавания по сравнению с базовым классификатором МОВ составляет 9% и 5,7% для алгоритма АП-ЛБШ-МОВ и алгоритма АП-МОВ соответственно.

Помощь с написанием академических работ
<< | >>
Источник: Шмаглит Лев Александрович. Разработка и анализ алгоритмов распознавания лиц на телевизионных изображениях для биометрической идентификации. ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук по специальности. Ярославль - 2014. 2014

Еще по теме Результаты тестирования предложенных модификаций признакового пространства:

  1. 3.4. Результаты тестирования предложенных модификаций
  2. Результаты тестирования алгоритмов детектирования лиц с предложенными модификациями
  3. МОДИФИКАЦИЯ ПРИЗНАКОВОГО ПРОСТРАНСТВА АЛГОРИТМА РАСПОЗНАВАНИЯ ПОЛА НА БАЗЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ
  4. Практическая значимость исследования и результаты внедрения конкретных предложений и выводов
  5. Результаты различных методик хирургического лечения пролапса тазовых органов: без использования синтетических имплантатов (в собственной модификации), с использованием синтетических систем AMS (Elevate Anterior® at Posterior, Perigee ®, Apogee), а также в сочетании со слинговыми операциами (системы AMS, Monarc, MiniArc)
  6. Тестирование алгоритмов распознавания пола людей по детектированной области лица
  7. Тестирование алгоритмов детектирования лиц на телевизионных изображениях
  8. Эмпирическое тестирование динмических моделей потребления
  9. Предлагаемые модификации базового алгоритма на основе метода опорных векторов
  10. ГЛАВА III. МОДИФИКАЦИЯ ЭКОНОМИЧЕСКОГО ПОВЕДЕНИЯ ПОТРЕБИТЕЛЕЙ
  11. Модификация этапа предобработки изображений при детектировании лиц
  12. § 2. Налоговое обязательство в делах о несостоятельности (банкротстве): основные черты и условия модификации правового режима налогообложения
  13. § 1. Представление предложения
  14. Выводы и предложения:
  15. Предложения по повышению эффективности ГЭЭ.
  16. Выводы и предложения.
  17. (7) Разработка предложений к мероприятиям по предотвращению ие-благоприятных воздействий на окружающую среду реализации решений по объекту
- Авторское право - Административное право, финансовое право, информационное право - Административный процесс - Арбитражный процесс - Банковское право - Вещное право - Гражданский процесс; арбитражный процесс - Гражданское право; предпренимательское право; семейное право; международное частное право - Договорное право - Избирательное право - История государства и права - История политических и правовых учений - Конкурсное право - Конституционное право, муниципальное право - Корпоративное право - Медицинское право - Международное право, европейское право - Налоговое право - Наследственное право - Природоресурсное право; аграрное право; экологическое право - Римское право - Страховое право - Судебная власть, прокурорский надзор, организация правоохранительной деятельности, адвокатура - Таможенное право - Теория государства и права - Трудовое право; право социального обеспечения - Уголовное право и криминология; уголовно-исполнительное право - Уголовный процесс; криминалистика и судебная экспертиза; оперативно-розыскная деятельность - Финансовое право - Юридические науки -