[論文レビュー] Gender Classification Using Gradient Direction Pattern

Mohammad Shahidul Islam|arXiv (Cornell University)|Oct 25, 2013

Face and Expression Recognition参考文献 14被引用数 4

ひとこと要約

本稿では、顔の部分領域における強度差を分析することで局所的顔特徴を抽出する、勾配方向パターン（GDP）を用いた新しい性別分類手法を提案する。GDPヒストグラムを連結し、サポートベクターマシンで分類することで、FERETデータベース上で高い精度を達成し、従来の記述子を上回る性能を示した。

ABSTRACT

A novel methodology for gender classification is presented in this paper. It extracts feature from local region of a face using gray color intensity difference. The facial area is divided into sub-regions and GDP histogram extracted from those regions are concatenated into a single vector to represent the face. The classification accuracy obtained by using support vector machine has outperformed all traditional feature descriptors for gender classification. It is evaluated on the images collected from FERET database and obtained very high accuracy.

研究の動機と目的

• 局所的顔特徴を用いて、より高精度な性別分類手法を開発すること。
• 性別認識タスクにおける従来の特徴記述子の限界を解決すること。
• 顔の部分領域における強度ベースのパターンを用いて分類性能を向上させること。
• 標準ベンチマークデータセット（FERET）上で提案手法を評価すること。
• GDPヒストグラムが性別を特徴付ける顔のパターンを効果的に捉えられることを示すこと。

提案手法

• 顔画像を複数の部分領域に分割して、局所的なテクスチャ情報を捉える。
• 各部分領域における隣接ピクセル間の強度差に基づき、勾配方向パターン（GDP）を計算する。
• 各部分領域からGDP値のヒストグラムを抽出し、局所的テクスチャ特徴を表現する。
• すべての部分領域のGDPヒストグラムを連結して、顔全体の特徴ベクトルを生成する。
• 連結された特徴ベクトルを男性または女性に分類するために、サポートベクターマシン（SVM）を用いる。
• 複雑な前処理やカラー情報の必要がない、グレースケール強度差に依存する手法である。

実験結果

リサーチクエスチョン

• RQ1 GDPのような局所的強度ベースのパターンは、従来の記述子と比較して性別分類精度を向上させることができるか？
• RQ2 複数の顔の部分領域からのGDPヒストグラムの連結は、性別を特徴付ける特徴を効果的に表現できるか？
• RQ3 GDP特徴とSVMを組み合わせた手法は、標準データセットで既存の手法を上回る性能を示すか？
• RQ4 提案されたGDP手法は、顔認識のための広く使われているベンチマークであるFERETデータベースでどのように性能を発揮するか？
• RQ5 部分領域に基づく特徴抽出は、性別分類性能の向上にどの程度寄与するか？

主な発見

• 提案されたGDPベースの手法は、テストされたすべての従来の特徴記述子よりも高い分類精度を達成した。
• FERETデータベースにおける強力な性能は、ロバストネスと一般化能力を示している。
• 部分領域のGDPヒストグラムとSVM分類の組み合わせにより、性別識別が著しく向上した。
• ジャーナル誌上での報告によると、本手法は既存の手法を精度面で上回った。
• GDPによる強度差の符号化が、性別分類に非常に有効であることが確認された。
• 勾配方向パターンに基づく、シンプルでありながら強力な特徴抽出戦略の有効性が検証された。