Confidence Measure for Experimental Automatic Face Recognition System

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926311" target="_blank" >RIV/49777513:23520/15:43926311 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-25210-0_22" target="_blank" >http://dx.doi.org/10.1007/978-3-319-25210-0_22</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-25210-0_22" target="_blank" >10.1007/978-3-319-25210-0_22</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Confidence Measure for Experimental Automatic Face Recognition System

Popis výsledku v původním jazyce

This paper deals with automatic face recognition in order to propose and implement an experimental face recognition system. Recognition accuracy of such a system can be improved by identification of incorrectly classified samples in the post-processing step. We would like to solve this issue by proposing and integrating a confidence measure module to identify incorrectly classified examples. We propose a novel confidence measure approach which combines four partial measures by a multi-layer perceptron.Two individual measures are based on the posterior probability and two other ones use the predictor features. The experimental results show that the proposed system is very efficient, because almost all erroneous examples are successfully detected.

Název v anglickém jazyce

Confidence Measure for Experimental Automatic Face Recognition System

Popis výsledku anglicky

This paper deals with automatic face recognition in order to propose and implement an experimental face recognition system. Recognition accuracy of such a system can be improved by identification of incorrectly classified samples in the post-processing step. We would like to solve this issue by proposing and integrating a confidence measure module to identify incorrectly classified examples. We propose a novel confidence measure approach which combines four partial measures by a multi-layer perceptron.Two individual measures are based on the posterior probability and two other ones use the predictor features. The experimental results show that the proposed system is very efficient, because almost all erroneous examples are successfully detected.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/ED1.1.00%2F02.0090" target="_blank" >ED1.1.00/02.0090: NTIS - Nové technologie pro informační společnost</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Agents and Artificial Intelligence

ISBN

978-3-319-25209-4

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

17

Strana od-do

362-378

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Angers, Francie

Datum konání akce

6. 3. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000366298500022