Deep Learning HMM Versus Multi-resolution transforms for Soft biometric estimation
Mohammed A. Alhanjouri, Ahmad Fouad El-Samak · International Conference Data Science · 2018
يهدف هذا العمل إلى تقديم منهجيتين مختلفتين لتقدير السمات الحيوية اللينة من صورة الوجه. أول منهجية مقترحة لاستخراج ميزات فعالة من صور الوجه باستخدام تحويلين متعدد الدقة ؛ waveatom و shearlet ، لتقدير الجنس والعرق والتعبير الوجه والعمر من قبل الشبكة العصبية الاصطناعية (ANN). والمنهجية المقترحة الثانية لاستخدام التعلم العميق لاستخراج الميزات المناسبة عن طريق طبقات تلافيفية مزدوجة وتجميع نموذج ماركوف المخفي (HMM) للتصنيف. ولتحقيق الدراسة المقارنة ، أجريت تجاربنا على قاعدة بيانات كبيرة تم جمعها من ثلاث قواعد بيانات مختلفة: قواعد البالغين الأمريكية و Extended CohnKanade و FG-NET. أظهرت النتائج التجريبية أن تحويل waveatom كان أكثر فاعلية من تحويل shearlet ، لكن HMM مع التعلم العميق كانت أفضل أداء وطريقة أكثر قوة للتصنيف المتعددة معا كما هو الحال في هذه الورقة لتقدير 13 قياسات حيوية ناعمة تتجمع في أربعة تصنيفات