Portal de Periódicos da CAPES

Face Recognition Using Unlabeled Data

2003; National Polytechnic Institute; Volume: 7; Issue: 2 Linguagem: Espanhol

10.13053/cys-7-2-1056

2007-9737

Carmen Martı́nez, Olac Fuentes,

Machine Learning and Data Classification

Los sistemas de reconocimiento de rostros normalmente obtienen buenos resultados cuando tienen disponibles conjuntos de entrenamiento grandes. Sin embargo, cuando no hay un conjunto de entrenamiento grande disponible, su desempeno no es satisfactorio. En este trabajo presentamos un metodo para reconocimiento de rostros que obtiene buenos resultados cuando solo se tiene disponible un conjunto de entrenamiento pequeno (incluso una sola imagen por persona). El metodo se basa en expandir el conjunto de entrenamiento original usando datos no etiquetados previamente (esto es, imagenes de rostros con identidad desconocida). Inicialmente, aplicamos la tecnica de eigenrostros para reducir la dimensionalidad del espacio de atributos, despues realizamos un proceso iterativo, clasificando todos los datos no etiquetados con un ensamble de clasificadores construido a partir del conjunto de entrenamiento actual y agregando al conjunto de entrenamiento los ejemplos que han sido clasificados correctamente con un alto nivel de confianza, de acuerdo al ensamble. Realizamos experimentos usando ensambles basados en el algoritmo de k vecinos mas cercanos, redes neuronales artificiales, y regresion lineal localmente ponderada. Los resultados experimentales demuestran que el uso de datos no etiquetados mejora la clasificacion en todos los casos. Los mejores resultados, con un porcentaje de clasificacion correcta de 92.07, fueron obtenidos con regresion lineal localmente ponderada usando 30 eigenrostros y agregando 3 ejemplos de cada clase en cada iteracion. Como comparacion, usando unicamente los datos etiquetados, solo se clasificaron correctamente el 34.81% de los ejemplos