Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Recognition of Face Images with Noise Based on Tucker Decomposition

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86096032" target="_blank" >RIV/61989100:27240/15:86096032 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7379595" target="_blank" >http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7379595</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/SMC.2015.463" target="_blank" >10.1109/SMC.2015.463</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Recognition of Face Images with Noise Based on Tucker Decomposition

  • Popis výsledku v původním jazyce

    The main goal of this paper is to detect faces from noisy images using three different classification methods and compare the results obtained from the classification methods. The faces are described by a set of images. Many other unsupervised statistical algorithms such as Principal Component Analysis (PCA) or Singular Value Decomposition (SVD) use only one image per person to extract features from the face. These approaches can lose important information, for example a relationship between images of the same person taken under different conditions. It shows that data structure like tensor and it decomposition increase the quality of recognition in this task because it better captures important features of one face taken from several images. The accuracy of the tensor approach is compared with other well-known techniques such as Support Vector Machine (SVM) and Neural Network (NN).

  • Název v anglickém jazyce

    Recognition of Face Images with Noise Based on Tucker Decomposition

  • Popis výsledku anglicky

    The main goal of this paper is to detect faces from noisy images using three different classification methods and compare the results obtained from the classification methods. The faces are described by a set of images. Many other unsupervised statistical algorithms such as Principal Component Analysis (PCA) or Singular Value Decomposition (SVD) use only one image per person to extract features from the face. These approaches can lose important information, for example a relationship between images of the same person taken under different conditions. It shows that data structure like tensor and it decomposition increase the quality of recognition in this task because it better captures important features of one face taken from several images. The accuracy of the tensor approach is compared with other well-known techniques such as Support Vector Machine (SVM) and Neural Network (NN).

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • 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

    2015 IEEE International Conference On Systems, Man And Cybernetics (Smc 2015) : Big Data Analytics For Human-Centric Systems

  • ISBN

    978-1-4799-8696-5

  • ISSN

    1062-922X

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    2649-2653

  • Název nakladatele

    IEEE Computer Society

  • Místo vydání

    Los Alamitos

  • Místo konání akce

    Hong Kong

  • Datum konání akce

    9. 10. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000368940202129