Dynamische Kaskaden zur Gesichtserkennung

In diesem Papier schlagen wir eine neuartige Methode vor, die "dynamische Kaskade" genannt wird, um einen effizienten Gesichtserkenner auf massiven Datensätzen zu trainieren. Es gibt drei Hauptbeiträge. Der erste ist ein neuer Kaskadenalgorithmus namens "dynamische Kaskade", der Kaskadenklassifizierer auf massiven Datensätzen trainieren kann und nur eine kleine Anzahl von Trainingsparametern erfordert. Der zweite ist die Einführung einer neuen Art von schwachem Klassifizierer, genannt "Bayes’scher Baum", zur Ausbildung von Boost-Klassifizierern. Er produziert stabilere Boost-Klassifizierer mit weniger Merkmalen. Darüber hinaus schlagen wir eine Strategie vor, um unseren dynamischen Kaskadenalgorithmus mit mehreren Merkmalsätzen zu verwenden, um die Erkennungsleistung weiter zu verbessern, ohne die Rechenkosten des Erkennungsalgorithmus signifikant zu erhöhen. Experimentelle Ergebnisse zeigen, dass alle neuen Techniken die Erkennungsleistung effektiv steigern. Schließlich stellen wir den ersten großen Standarddatensatz zur Gesichtserkennung zur Verfügung, sodass zukünftige Forschungsarbeiten zu diesem Thema mit demselben Trainings- und Testdatensatz verglichen werden können.