モデル作成にクラスタリングを用いた視線認識 小林研究室 画像班 4年 萩原 聖
はじめに パターン認識を用いて視線認識を行う際に、 不特定多数の人を学習データとしてモデルを作成すると、 人によって認識率が低い人がいる 認識対象とする人のデータと著しく異なる傾向を持つデータが 学習データに含まれているため データを人毎にクラスタリングしてモデルを複数作成し、 認識に用いる人によってモデルを切り替える クラス DEF 人A～Iの データ テスト データA クラスタリング 認識 クラス ABC クラス GHI モデル BC 人物Ａを認識に用いた場合の例
実験概要 認識手法:SVM 特徴量：目の部分画像の画素値 「見ている」、「見ていない」の２カテゴリ 20人分のデータを用いた ガウシアンカーネル 特徴量：目の部分画像の画素値 「見ている」、「見ていない」の２カテゴリ 20人分のデータを用いた 5通りの方法でモデルを作成した クラスタリングなし 認識対象の人を除いた全ての人を学習データとする方法 人クローズドデータオープン クラスタリングあり 3通りの手法で人毎にデータをクラスタリングし、 認識に用いる人が属しているクラスのデータから その人を除いたデータを学習データとする方法 実験に用いた画像の例
実験結果 全員の認識率を見ると、クラスタリングを 用いたことによる認識率の向上は見られなかった 人毎の｢見ている」の認識率を見ると人物IやKなど 今回の手法で問題が解消された場合もあった 認識対象の人を除く全ての人 人クローズドデータオープン クラスタリング手法1 クラスタリング手法2 クラスタリング手法3 平均の認識率 人毎のonの認識率 20 40 60 80 100 on off カテゴリ 認識率[%] 20 40 60 80 100 認識率[%] I K T 人物