TAILIEUCHUNG - Báo cáo: Comparing Robustness of Pairwise and Multiclass Neural-Network Systems for Face Recognition

Hindawi Publishing Corporation EURASIP Journal on Advances in Signal Processing Volume 2008, Article ID 468693, 7 pages doi: Research Article Comparing Robustness of Pairwise and Multiclass Neural-Network Systems for Face Recognition J. Uglov, L. Jakaite, V. Schetinin, and C. Maple Computing and Information System Department, University of Bedfordshire, Luton LU1 3JU, UK Correspondence should be addressed to V. Schetinin, Received 16 June 2007; Revised 28 August 2007; Accepted 19 November 2007 Recommended by Konstantinos N. Plataniotis Noise, corruptions, and variations in face images can seriously hurt the performance of face-recognition systems. To make these systems robust to noise and corruptions in image. | Hindawi Publishing Corporation EURASIP Journal on Advances in Signal Processing Volume 2008 Article ID 468693 7 pages doi 2008 468693 Research Article Comparing Robustness of Pairwise and Multiclass Neural-Network Systems for Face Recognition J. Uglov L. Jakaite V. Schetinin and C. Maple Computing and Information System Department University of Bedfordshire Luton LU1 3JU UK Correspondence should be addressed to V. Schetinin Received 16 June 2007 Revised 28 August 2007 Accepted 19 November 2007 Recommended by Konstantinos N. Plataniotis Noise corruptions and variations in face images can seriously hurt the performance of face-recognition systems. To make these systems robust to noise and corruptions in image data multiclass neural networks capable of learning from noisy data have been suggested. However on large face datasets such systems cannot provide the robustness at a high level. In this paper we explore a pairwise neural-network system as an alternative approach to improve the robustness of face recognition. In our experiments the pairwise recognition system is shown to outperform the multiclass-recognition system in terms of the predictive accuracy on the test face images. Copyright 2008 J. Uglov et al. This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use distribution and reproduction in any medium provided the original work is properly cited. 1. INTRODUCTION The performance of face-recognition systems is achieved at a high level when these systems are robust to noise corruptions and variations in face images 1 . To make face recognition systems robust multiclass artificial neural networks ANNs capable of learning from noisy data have been suggested 1 2 . However on large face image datasets containing many images per class subject or large number of classes such neural-network systems cannot provide the performance at a high level. This happens because .

• Công nghệ - Môi trường
• báo cáo khoa học
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• trình bày báo cáo
• tài liệu báo cáo khoa học
• cách trình bày báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học toán học
• luận văn mẫu
• người lính việt nam
• sau chiến tranh
• tuyển tập báo cáo khoa học
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• nghiên cứu khoa học
• báo cáo về văn học
• báo cáo triết học
• báo cáo văn học
• chuyên đề văn học
• văn học nghệ thuật
• văn học Việt NAm
• báo cáo ngành toán học
• báo cáo ngành vật lý
• báo cáo ngành chăn nuôi
• văn học Trung Hoa
• báo cáo khoa học kinh tế
• Kỷ yếu tóm tắt báo cáo khoa học
• Báo cáo khoa học y học
• Báo cáo y học
• Hội nghị khoa học tim mạch
• Báo cáo khoa học y khoa
• Tăng huyết áp
• báo cáo sinh học
• bảo tồn nguồn gen
• báo cáo ngành kỹ thuật
• Báo cáo quản lý chất thải sinh hoạt
• Báo cáo khoa học môi trường
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học về môi trường
• Đề tài nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học