Fuzzy Local Binary Patterns: A Comparison between Min-Max and Dot-Sum Operators in the Application of Facial Expression Recognition
- سال انتشار: 1392
- محل انتشار: هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
- کد COI اختصاصی: ICMVIP08_182
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1142
نویسندگان
Electrical Engineering Sharif University of Technology
Electrical Engineering Sharif University of Technology Tehran,
چکیده
The Local Binary Patterns (LBP) featureextraction method is a theoretically and computationally simpleand efficient methodology for texture analysis. The LBP operatoris used in many applications such as facial expression recognitionand face recognition. The original LBP is based on hardthresholding the neighborhood of each pixel, which makestexture representation sensitive to noise. In addition, LBP cannotdistinguish between a strong and a weak pattern. In order toenhance the LBP approach, Fuzzy Local Binary Patterns (FLBP)is proposed. In FLBP, any neighborhood does not representedonly by one code, but, it is represented by all existing codes withdifferent degrees. In FLBP, any fuzzy Intersection and Unionoperators may be used. In this study, the following operators areapplied and their results are compared together: Dot-Sum, Min-Max and normalized Min-Max. Based on the extensiveexperiments, the fuzzy Min-Max operators are more useful andcan improve the accuracy in the application of Facial ExpressionRecognition (FER) about 4% (i.e., form 82.98% to 86.88%).کلیدواژه ها
component; Fuzzy Local Binary Patterns; Min-Max Operators; Dot-Sum Operators; Facial Expression Recognition Support Vector Machineمقالات مرتبط جدید
- تاثیر هوش مصنوعی در خدمت پزشکی
- استفاده از هوش مصنوعی در داوری مسابقات فوتبال تاثیرات مثبت و منفی این پروژه ها بر داوری و نتیجه مسابقات
- پروتکل همگام سازی زمانی مبتنی بر دقت مورد نیاز در شبکه های حسگر بیسیم
- دگرگونی چهره مدیریت یکپارچه شهری و شهرداریها به کمک هوش مصنوعی
- رتبه بندی عوامل موثر درمدیریت شهری به کمک الگوریتم ویکور فازی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.