کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945183 1438413 2017 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Face pixel detection using evidential calibration and fusion
ترجمه فارسی عنوان
تشخیص پیکسل چهره با استفاده از کالیبراسیون اثبات و همجوشی
کلمات کلیدی
باورهای توابع، تلفیق اطلاعات، کالیبراسیون اثبات شده، تار شدن صورت،
ترجمه چکیده
با توجه به دلایل قانونی، چهره در یک تصویر داده شده ممکن است تار شود. این ممکن است با ترکیب چندین منبع اطلاعاتی، که ممکن است اطلاعات را در سطوح مختلف اطلاعات دقیق ارائه دهد؛ به عنوان مثال آشکارسازهای چهره جعبه های محدود را مطابق با موقعیت های مورد نظر چهره می گیرند، در حالی که آشکارسازهای پوست ممکن است اطلاعات سطح پیکسل را بازگردانند. اخیرا در زمینه تشخیص عابر پیاده یک رویکرد کلی، دقیق و کارآمد برای ترکیب منابع اطلاعاتی مبتنی بر جعبه ارائه شده است. این رویکرد به تئوری شواهد برای کالیبراسیون و ترکیب منابع کمک می کند. در این مقاله، ما این رویکرد را برای ترکیب آشکارسازهای چهره (به جای پیمایش)، برای به دست آوردن یک سیستم ترسیم چهره در حال حاضر بر اساس چند آشکارساز اعمال می کنیم. سپس، ما یک رویکرد دیگر برای مقابله با مشکل تاریک ارائه می دهیم که عمدتا در سطح پیکسل ایده مرکزی - ترکیبی از منابع اطلاعاتی که به طور کلاسیک کالیبره شده - رویکرد مبتنی بر جعبه پیشین است. این تغییر تمرکز منجر به مزایای مفهومی متعددی می شود. علاوه بر این، رویکرد پیشنهادی عملکرد بهتر را در یک مجموعه داده های چهره کلاسیک، و همچنین در یک چالش برانگیز تر نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص پیکسل چهره با استفاده از کالیبراسیون اثبات و همجوشی
چکیده انگلیسی
Due to legal reasons, faces on a given image may have to be blurred. This may be achieved by combining several information sources, which may provide information at different levels of granularity; for instance face detectors return bounding boxes corresponding to assumed positions of faces, whereas skin detectors may return pixel level information. A general, well-founded and efficient approach to combining box-based information sources was recently proposed in the context of pedestrian detection. This approach relies on evidence theory to calibrate and combine sources. In this paper, we apply this approach to combine face (rather than pedestrian) detectors, in order to obtain a state-of-the-art face blurring system based on multiple detectors. Then, we propose another approach to tackle the blurring problem, which consists essentially in applying at the pixel-level the central idea - combining evidentially calibrated information sources - of the preceding box-based approach. This shift of focus induces several conceptual advantages. In addition, the proposed approach shows better performances on a classical face dataset, as well as on a more challenging one.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Approximate Reasoning - Volume 91, December 2017, Pages 202-215
نویسندگان
, , , , ,