Genetic Algorithm for Weight Optimization in Descriptor Based Face Recognition Methods
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F16%3A43929341" target="_blank" >RIV/49777513:23520/16:43929341 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.5220/0005704403300336" target="_blank" >http://dx.doi.org/10.5220/0005704403300336</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5220/0005704403300336" target="_blank" >10.5220/0005704403300336</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Genetic Algorithm for Weight Optimization in Descriptor Based Face Recognition Methods
Popis výsledku v původním jazyce
This paper presents a novel algorithm for weight optimization in descriptor based face recognition methods. We aim at the local texture features. Common concept in such methods is creating histograms of the operator values in rectangular image regions and concatenating them into one large vector called histogram sequence (HS). Usually the facial regions are given equal weight which does not correspond with the reality. We propose a novel method that optimizes the weights of the regions. The optimization method is based on a genetic algorithm (GA). We test the method together with the LBP and POEM descriptors. We evaluate our algorithms on two real-world corpora: Unconstrained facial images (UFI) database and FaceScrub database. The results show that the weighted methods outperform the non-weighted ones. The best achieved scores are 68.93% on the UFI database and 57.81% on the FaceScrub database.
Název v anglickém jazyce
Genetic Algorithm for Weight Optimization in Descriptor Based Face Recognition Methods
Popis výsledku anglicky
This paper presents a novel algorithm for weight optimization in descriptor based face recognition methods. We aim at the local texture features. Common concept in such methods is creating histograms of the operator values in rectangular image regions and concatenating them into one large vector called histogram sequence (HS). Usually the facial regions are given equal weight which does not correspond with the reality. We propose a novel method that optimizes the weights of the regions. The optimization method is based on a genetic algorithm (GA). We test the method together with the LBP and POEM descriptors. We evaluate our algorithms on two real-world corpora: Unconstrained facial images (UFI) database and FaceScrub database. The results show that the weighted methods outperform the non-weighted ones. The best achieved scores are 68.93% on the UFI database and 57.81% on the FaceScrub database.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 8th International Conference on Agents and Artificial Intelligence
ISBN
978-989-758-172-4
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
330-336
Název nakladatele
SciTePress
Místo vydání
Setúbal
Místo konání akce
Řím
Datum konání akce
24. 2. 2016
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—