Earticle

초록

한국어

메타학습 알고리즘인 Adaboost는 단순한 분류기(classifier)인 Haar-like feature 필터와 결 합하여 빠른 속도와 높은 정확도를 나타내기 때문에 많은 객체 검출에 분야에 사용되고 있으며 그 중 특히 얼굴 인식 분야에서 뛰어난 성 능을 나타내고 있다. 그러나 Adaboost 알고리즘은 얼굴인식 시 정면 얼굴과 같은 단일 모델 검출에는 매우 효율적 이지만 측면 얼굴과 정면 얼굴이 혼합된 모델에서의 검출 시 성능이 저하되는 문제점을 가 지고 있다. 이 문제를 해 결하기 위해 본 논문에서는 혼합모델의 검출 성능을 높이기 위해 인스턴스 정보를 저장하여 학습하는 알고리즘인 IBL(Instance Based Learning)를 Haar-like feature 필터와 결합한 알고리즘을 제안한다.

영어

Adaboost is a meta learning algorithm and it is used many area of object detection. In the field of face detection it is used in conjunction with Haar-like feature filtering because of its fast speed and high accuracy. Adaboost shows very effective performance for face detection in single distribution model such as front face but it shows reduced performance on multiple distribution models such as mixture of front face and side face. As a result of reduced performance this paper proposed to improve performance of multiple distribution models using IBL (Instance Based Learning) algorithm combined with the Haar-like feature.

목차

요약
 Abstract
 1. 서론
 2. 관련연구
  2.1 Harr-like feature와 Adaboost
  2.2. Adaboost의 단점
  2.3 IBL(Instance Based Learning)알고리즘
 3. Harr-like feature IBL (HIBL)
  3.1 IBL 과 Haar-like feature 결합
  3.2 HIBL의 인스턴스 개념도
  3.3 HIBL의 트레이닝 과정
  3.4 이미지 인식 과정
 4. 성능 실험
  4.1 HIBL 성능 실험
 5. 결론
 참고문헌

저자

• 유상현 [ Yoo Sang Hyun | 건국대학교 ]
• 곽주현 [ Kwak Ju Hyun | 건국대학교 ]
• 김원일 [ Kim Won Il | 건국대학교 ]
• 장영철 [ Jang Young Cheol | 경민대학 디지털영상과 ]
• 이창훈 [ Lee Chang Hoon | 건국대학교 ] 교신저자

참고문헌