Залежність якості детектора облич на ознаках Хаара від варіативності навчальної вибірки

Скорочена інформація про документ
dc.contributor.authorНіколаєв, С. С.
dc.contributor.authorТимошенко, Ю. О.
dc.contributor.authorМатвіїв, К. Ю.
dc.contributor.authorNikolaiev, Sergii S.
dc.contributor.authorTymoshenko, Yurii O.
dc.contributor.authorMatviiv, Kateryna Yu.
dc.contributor.authorНиколаев, С. С.
dc.contributor.authorТимошенко, Ю. А.
dc.contributor.authorМатвиив, Е. Ю.
dc.date.accessioned2018-12-18T16:03:41Z
dc.date.available2018-12-18T16:03:41Z
dc.date.issued2017
dc.description.abstractenBackground. When training generalized face detectors based on Haar cascades, there is a problem of long learning time of the resulting cascades and their poor quality. Therefore, in practice, frontal and profile face detectors are trained separately. Such approach makes recognition systems more complex. Objective. The aim of the paper to compare the impact of the training set composition with faces at different inclination angles on the quality of the trained detectors. Methods. It is proposed to train a series of face detectors on sub-sets that cover different ranges of face angles. All other parameters of training are fixed. As the result, the learning time and the quality of the obtained cascades will be compared. Results. The quality and the training time of face classifiers are evaluated depending on the composition of the training subsets. Also the quality of the frontal and side face classifiers is compared having the same sizes of training sets. It is shown that the AUC metric has a difference of 0.003 between the frontal and profile face detectors. Conclusions. It has been shown experimentally that the more variations present in the object’s dataset (the side-view of faces compared to the frontal positions), the longer and harder the Haar cascade learns, given the same amounts of the training samples. Using the proposed approach, the quality of the final classifier can be controlled by selecting the appropriate composition of the training samples.uk
dc.description.abstractruПроблематика. При обучении обобщенных детекторов лиц на каскадах с признаками Хаара возникает проблема длительного обучения результирующих каскадов и их низкого качества. Поэтому на практике принято тренировать отдельно фронтальные и профильные детекторы лиц, что усложняет системы распознавания. Цель исследования. Необходимо сравнить влияние композиции обучающей выборки на качество натренированных детекторов при различных углах наклона лица. Методика реализации. Предлагается натренировать ряд детекторов лиц на подвыборках, которые покрывают различные диапазоны углов наклона лица. При этом все остальные параметры обучения будут фиксированы. В результате сравниваются время обучения и качество полученных каскадов. Результаты исследования. Оценены качество и время обучения классификаторов лиц в зависимости от композиции выборки, а также проведено сравнение качества фронтальных и боковых классификаторов при одинаковой величине тренировочной выборки. Показано, что метрика AUC имеет расхождение в 0,003 между фронтальным и профильным детекторами. Выводы. Экспериментально показано, что чем более вариативный объект (лицо в профиль относительно фронтального положения), тем дольше и хуже учится каскад Хаара при одинаковом размере обучающих выборок. Используя предложенный подход, можно управлять качеством финального классификатора путем подбора соответствующей композиции тренировочной выборки.uk
dc.description.abstractukПроблематика. При навчанні узагальнених детекторів обличчя на основі каскадів з ознаками Хаара виникає проблема довгого навчання результуючих каскадів та їх низької якості. Тому на практиці прийнято тренувати окремо фронтальні та профільні детектори облич, що ускладнює системи розпізнавання. Мета дослідження. Необхідно порівняти вплив композиції навчальної вибірки на якість натренованих детекторів за різних кутів нахилу обличчя. Методика реалізації. Пропонується натренувати ряд детекторів облич на підвибірках, що покривають різні діапазони кутів нахилу обличчя. При цьому всі інші параметри навчання будуть фіксовані. У результаті порівнюються час навчання та якість отриманих каскадів. Результати дослідження. Оцінено якість і час навчання класифікаторів облич залежно від композиції вибірки, а також здійснено порівняння якості фронтальних і бокових класифікаторів за однакової величини тренувальної вибірки. Показано, що метрика AUC має розходження у 0,003 між фронтальним та профільним детекторами. Висновки. Експериментально показано, що чим більш варіативний об’єкт (обличчя повернуте профілем відносно фронтального положення), тим довше і гірше навчається каскад Хаара за однакового розміру навчальних вибірок. Використовуючи запропонований підхід, можна керувати якістю фінального класифікатора підбором відповідної композиції тренувальної вибірки.uk
dc.format.pagerangeС. 38–46uk
dc.identifier.citationНіколаєв, С. С. Залежність якості детектора облич на ознаках Хаара від варіативності навчальної вибірки / С. С. Ніколаєв, Ю. О. Тимошенко, К. Ю. Матвіїв // Наукові вісті НТУУ «КПІ» : міжнародний науково-технічний журнал. – 2017. – № 6(116). – С. 38–46. – Бібліогр.: 6 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1810-0546.2017.6.115181
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/25437
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті НТУУ «КПІ» : міжнародний науково-технічний журнал, 2017, № 6(116)uk
dc.subjectдетектор обличuk
dc.subjectознаки Хаараuk
dc.subjectтренувальна вибіркаuk
dc.subjectбустингuk
dc.subjectкомпозиція навчальної вибіркиuk
dc.subjectFace detectoruk
dc.subjectHaar cascadesuk
dc.subjectTraining setuk
dc.subjectBoostinguk
dc.subjectTraining set compositionuk
dc.subjectдетектор лицuk
dc.subjectпризнаки Хаараuk
dc.subjectтренировочная выборкаuk
dc.subjectбустингuk
dc.subjectкомпозиция обучающей выборкиuk
dc.subject.udc004.62uk
dc.titleЗалежність якості детектора облич на ознаках Хаара від варіативності навчальної вибіркиuk
dc.title.alternativeHaar Cascade Face Detector Quality Dependence on Training Dataset Variablityuk
dc.title.alternativeЗависимость качества детектора лиц на признаках Хаара от вариативности обучающей выборкиuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2017-6_05.pdf
Розмір:
991.52 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті НТУУ «КПІ»: міжнародний науково-технічний журнал, № 6(116)