Curriculum and active self-paced learning with minimum sparse reconstruction for face recognition

Bu tezde yüz tanımlama sistemleri için iki farklı yöntem sunulmaktadır. İlk yöntem, bilgilerin önce kolay kavramları, ardından daha karmaşık olanları kapsayacak bir müfredat dahilinde organize edildiğinde, insanların daha iyi öğrendikleri gerçeğinden esinlenmiştir. Literatürde müfredat öğrenmesinin (CL) makine öğrenmesi için daha iyi bir yerel minimum seviyeye yakınsama sağlayarak yararlı olduğu gösterilmiştir. Yüz tanıma için önerdiğimiz müfredat öğrenmesi algoritmasında, eğitim kümesinde yer alan resimlerdeki baş pozlarından elde edilen açıların mutlak değerlerinin toplamına göre alt kümeler elde edilerek, kolaydan zora açılar artacak şekilde sıralanmıştır. Bu alt kümeler, evrişimsel sinir ağının eğitimi sırasında artan zorluklarına göre sırayla verilmiştir. CASIA-WebFace-Sub veritabanındaki deneysel sonuçlar, müfredat öğrenmesi kullanıldığında doğruluğun, eğitim resimlerinin rastgele sıralanarak kullanılmasından daha başarılı sonuçlar verdiğini göstermiştir. İkinci yöntem ise kişilere ait yüz resimlerinin zaman içinde arttığı durumlarda kademeli olarak yüz tanıma sisteminin eğitilmesine dayanır. İlk başta az sayıda etiketli eğitim verisi ile başlanır ve daha sonra gelen yeni veriler eğitim kümesine dahil edilirken etiketleme için en az insan gayreti kullanılması iki farklı yöntem ile sağlanır: kendi-hızında öğrenme (SPL) ve en az seyrek geri çatım ile aktif öğrenme (AL-MSR). SPL, sınıflandırıcının yüksek güvenirlikte olduğu kolay resimlerin otomatik olarak etiketlenmesine dayanır. AL-MSR ise düşük güvenilirlikte ya da zor olan ve birbirlerinden yeterince farklı olan resimlerin etiketlenmesi için uzman yardımına başvurur. SPL ve AL-MSR tek bir yöntem içinde birleştirilmiş ve ASPL-MSR olarak adlandırılmıştır. Daha önce önerilmiş olan ASPL yöntemi [1] en az seyrek geri çatım (MSR) ile birbirinden farklı olan resimlerin seçilmesi için iyileştirilmiştir. Böylece uzman etiketlemesi için gereken çaba önemli ölçüde azaltılmış, öte yandan yüz tanıma performansı aynı kalmıştır. Önerilen yöntem, eğitim kümesindeki yanlış etiketlenmiş verilere karşı da dayanıklıdır. Önerilen ASPL-MSR yöntemi iki büyük veri kümesinde (CASIA-WebFace ve CACD) denenmiş ve olumlu sonuçlar elde edilmiş, literatüre göre daha az uzman etiketli veri ile aynı yüz tanıma başarımının elde edildiği gösterilmiştir.