Class-Conditional Probabilistic Principal Component Analysis: application to gender recognition

Bekios, Juan; Buenaposada Biencito, José Miguel y Baumela Molina, Luis (2011). Class-Conditional Probabilistic Principal Component Analysis: application to gender recognition. "Computación y Sistemas", v. 14 (n. 4); pp. 383-391. ISSN 1405-5546.

Descripción

Título: Class-Conditional Probabilistic Principal Component Analysis: application to gender recognition
Autor/es:
  • Bekios, Juan
  • Buenaposada Biencito, José Miguel
  • Baumela Molina, Luis
Tipo de Documento: Artículo
Título de Revista/Publicación: Computación y Sistemas
Fecha: Junio 2011
Volumen: 14
Materias:
Palabras Clave Informales: Clasificación de género; Análisis de caras; PPCA condicionado a la clase; Gender classification; Face analysis; Class conditional PPCA
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img] PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (638kB)

Resumen

Este trabajo presenta una solución al problema del reconocimiento del género de un rostro humano a partir de una imagen. Adoptamos una aproximación que utiliza la cara completa a través de la textura de la cara normalizada y redimensionada como entrada a un clasificador Näive Bayes. Presentamos la técnica de Análisis de Componentes Principales Probabilístico Condicionado-a-la-Clase (CC-PPCA) para reducir la dimensionalidad de los vectores de características para la clasificación y asegurar la asunción de independencia para el clasificador. Esta nueva aproximación tiene la deseable propiedad de presentar un modelo paramétrico sencillo para las marginales. Además, este modelo puede estimarse con muy pocos datos. En los experimentos que hemos desarrollados mostramos que CC-PPCA obtiene un 90% de acierto en la clasificación, resultado muy similar al mejor presentado en la literatura---ABSTRACT---This paper presents a solution to the problem of recognizing the gender of a human face from an image. We adopt a holistic approach by using the cropped and normalized texture of the face as input to a Naïve Bayes classifier. First it is introduced the Class-Conditional Probabilistic Principal Component Analysis (CC-PPCA) technique to reduce the dimensionality of the classification attribute vector and enforce the independence assumption of the classifier. This new approach has the desirable property of a simple parametric model for the marginals. Moreover this model can be estimated with very few data. In the experiments conducted we show that using CCPPCA we get 90% classification accuracy, which is similar result to the best in the literature. The proposed method is very simple to train and implement.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTIN2008- 06815-C02-02Sin especificarSin especificarSin especificar
Gobierno de EspañaCSD2007-00018Sin especificarSin especificarSin especificar

Más información

ID de Registro: 38546
Identificador DC: http://oa.upm.es/38546/
Identificador OAI: oai:oa.upm.es:38546
URL Oficial: http://cys.cic.ipn.mx/ojs/index.php/CyS/article/view/1283/1375
Depositado por: Memoria Investigacion
Depositado el: 29 Ene 2016 10:24
Ultima Modificación: 29 Ene 2016 10:24
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM