Comparativa de extractores de características para clasificación de rostros

Abstract:

El presente trabajo propone realizar una comparativa entre dos métodos automatizados de extracción de características de imágenes para clasificación de rostros. Los métodos propuestos son: primero, método basado en extracción de vectores de características de las imágenes mediante una red neuronal convolucional; segundo, método basado en la extracción de características como en el primer caso, pero añadiendo una capa de clusterización usando para ellos el algoritmo KMeans, y luego comparar si el refinamiento de características mejora el rendimiento del proceso posterior de clasificación de las mismas. Los algoritmos a usar en la extracción de características son: una red neuronal profunda con la arquitectura GoogleNet en su versión InceptionV3, Kmeans para la clusterización; y dos algoritmos de clasificación supervisados para validar la calidad de las características, uno de ellos kNN y el otro SVM con un kernel lineal. Al final se comparará los resultados obtenidos con las cuatro pruebas, los dos algortimos de clasificación en los dos escenarios: con KMeans y sin KMeans, y se verificará si el agregar la fase de clusterización de características realmente aporta al rendimiento de la clasificación supervisada.

Año de publicación:

2020

Keywords:

Fuente:

google