Submit Search
Upload
サポートベクトルマシンを用いた自動人相判別の検討 : A study on automatic physiognomy classification with support vector machine
•
Download as PPTX, PDF
•
5 likes
•
1,148 views
Akira Tamamori
Follow
IPSJ2016全国大会のスライド
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 16
Download now
Recommended
A Method of Speech Waveform Synthesis based on WaveNet considering Speech Gen...
A Method of Speech Waveform Synthesis based on WaveNet considering Speech Gen...
Akira Tamamori
SVM
SVM
Toshiki Sasaki
懇親会の余興スライド
懇親会の余興スライド
Akira Tamamori
可処分所得と所定内給与推移
可処分所得と所定内給与推移
Hiroyuki Kita
Introduce my work
Introduce my work
Shuwei Huang
Social Landscape of Oyster Village
Social Landscape of Oyster Village
Shuwei Huang
主成分分析
主成分分析
貴之 八木
Tugs news
Tugs news
Boris cvijic
Recommended
A Method of Speech Waveform Synthesis based on WaveNet considering Speech Gen...
A Method of Speech Waveform Synthesis based on WaveNet considering Speech Gen...
Akira Tamamori
SVM
SVM
Toshiki Sasaki
懇親会の余興スライド
懇親会の余興スライド
Akira Tamamori
可処分所得と所定内給与推移
可処分所得と所定内給与推移
Hiroyuki Kita
Introduce my work
Introduce my work
Shuwei Huang
Social Landscape of Oyster Village
Social Landscape of Oyster Village
Shuwei Huang
主成分分析
主成分分析
貴之 八木
Tugs news
Tugs news
Boris cvijic
Azure MLで何かやる
Azure MLで何かやる
Yuki Igarashi
Formación cultural PATRIMONIO
Formación cultural PATRIMONIO
Daliana Belandria Publicista
DevSecCon Asia 2017 Arun N: Securing chatops
DevSecCon Asia 2017 Arun N: Securing chatops
DevSecCon
Rpp aljabar
Rpp aljabar
Mey Maajidah
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
DevSecCon
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
PMAS-Arid Agriculture Universty Rawalpindi
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
DevSecCon
Random Forestsとその応用
Random Forestsとその応用
MPRG_Chubu_University
Optimiza tu WordPress para móviles en media hora con AMP
Optimiza tu WordPress para móviles en media hora con AMP
Fernando Serer
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
Shinya Shimizu
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
SVMについて
SVMについて
mknh1122
More Related Content
Viewers also liked
Azure MLで何かやる
Azure MLで何かやる
Yuki Igarashi
Formación cultural PATRIMONIO
Formación cultural PATRIMONIO
Daliana Belandria Publicista
DevSecCon Asia 2017 Arun N: Securing chatops
DevSecCon Asia 2017 Arun N: Securing chatops
DevSecCon
Rpp aljabar
Rpp aljabar
Mey Maajidah
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
DevSecCon
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
PMAS-Arid Agriculture Universty Rawalpindi
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
DevSecCon
Random Forestsとその応用
Random Forestsとその応用
MPRG_Chubu_University
Optimiza tu WordPress para móviles en media hora con AMP
Optimiza tu WordPress para móviles en media hora con AMP
Fernando Serer
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
Shinya Shimizu
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
SVMについて
SVMについて
mknh1122
Viewers also liked
(14)
Azure MLで何かやる
Azure MLで何かやる
Formación cultural PATRIMONIO
Formación cultural PATRIMONIO
DevSecCon Asia 2017 Arun N: Securing chatops
DevSecCon Asia 2017 Arun N: Securing chatops
Rpp aljabar
Rpp aljabar
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
DevSecCon Asia 2017 Ofer Maor: AppSec DevOps automation – real world cases
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
" Precipitation" by Engr Rehan Zeb Khan PMAS-AAUR Rawalpindi
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon Asia 2017 Joel Divekar: Using Open Source Automation tools for DevS...
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
DevSecCon Asia 2017 Shannon Lietz: Security is Shifting Left
Random Forestsとその応用
Random Forestsとその応用
Optimiza tu WordPress para móviles en media hora con AMP
Optimiza tu WordPress para móviles en media hora con AMP
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
SVMについて
SVMについて
サポートベクトルマシンを用いた自動人相判別の検討 : A study on automatic physiognomy classification with support vector machine
1.
サポートベクトルマシンを用いた 自動人相判別の検討 統計数理研究所 玉森聡,松井知子 国文学研究資料館 相田満
2.
はじめに(1/2) • 観相とは 身体・容貌・声・気色を観察し,性質や禍福を見通すこと ⇒代表例は「人相見」 • 観相の裾野の広がり 医学:望診,絵画:肖像画の描き分けのための教養 •
日本における観相の知識体系 相書の残存数は世界随一(伊藤; 2010) • 現代の占術界における人相見の衰退 確度が低く,他の術法が主流⇒人相専門の術者は希少
3.
はじめに(2/2) • 観相トピックマップ(http://goo.gl/NfRgWZ) – 古典籍原本に基づく観相の知識体系の整理 ⇒観相学が表現活動に及ぼした影響の研究 –
相書から相の解説と絵を切り取ってデータベース化 – 現在9種の相書に書かれる相を構造化 ⇒顔の各部位(耳,目,眉,鼻,口)の画像が含まれる • 研究の目的 相データの応用可能性を模索する学際的研究の一環 顔の各部位画像を用いた機械学習による 観相(人相見)の自動処理の可能性の検討 ⇒本研究では識別器にサポートベクトルマシンを適用
4.
観相トピックマップのデータ例 • 目
5.
観相トピックマップのデータ例 • 目
6.
観相トピックマップのデータ例 • 眉
7.
観相トピックマップのデータ例 • 鼻
8.
観相トピックマップのデータ例 • 口
9.
サポートベクトルマシン(SVM) • 機械学習・パターン認識の分野で広く用いられる 2クラス分類器の一つ • 種々の特徴 –
局所最適解の心配がない – 未知データに対する予測誤差が小さくなるような学習 • 派生手法 – ソフトマージンSVM ⇒学習データの識別誤りを許容 – 非線形SVM ⇒高次元空間に写像して マージン最大化 クラスA クラスBマージン サポートベクトル
10.
SVMを用いた観相の自動処理(1/2) • 顔の各部位のSVMの学習 特徴量抽出(SIFT, BoF) 顔の各部位の学習用画像データ SVMの学習 観相を自動処理するSVM 相のラベルデータ (人手で付与) SIFTおよびBoF:画像認識の分野で標準的な画像特徴量
11.
SVMを用いた観相の自動処理(2/2) • SVMによる相の識別 特徴量抽出(SIFT,BoF) 顔の各部位の評価用画像データ SVMによる識別 相の識別結果 学習済の顔の 各部位のSVM
12.
相の識別実験(1/2) • 実験条件 – SVMのフリーソフトウェアであるLIBSVMを利用 –
データ量(枚数) 左向きと右向きでデータ数が同じ理由 ⇒片方の向きしかない場合、それを反転して作成 部位\向き 左 右 正面 耳 84 84 -- 目 227 227 眉 122 122 -- 鼻 59 59 56 口 -- -- 78
13.
相の識別実験(2/2) • 実験条件 • データを2分割して学習とテストに利用 ⇒クロスバリデーション(2-fold)による性能評価 項目
内容 BoF特徴量の抽出に必要な クラスタ数 32,64,128,256,512,1024 カーネル関数 RBFカーネル カーネル関数のハイパパラメータ 0.1,0.01,0.001,0.0001 SVMのペナルティパラメータ 0.1, 1, 5, 10, 15, 20, 30, 40, 50, 60, 70, 80, 90, 100, 1000 SVMの重みパラメータ 1/128,1/64,1/8,1/4,1/2,2,4,8, 16 相のラベル 吉(1)と凶(0)
14.
実験結果および考察(1/2) • 各部位の識別率(%) – 平均識別率71.8% –
鼻(正面)の識別率が82.3%と最高値 – 口の識別率が68.0%で最低値 部位\向き 左 右 正面 耳 71.1 69.2 -- 目 68.8 68.1 -- 眉 73.5 71.8 -- 鼻 74.2 71.4 82.3 口 -- -- 68.0
15.
実験結果および考察(2/2) • 鼻(正面)は吉凶の自動判別に有効である可能性 江戸時代の浮世絵師 西川祐信曰く: 「顔の中心である鼻を定めることにより人物の面体が 定まるため,人物の画法において非常に重要」(要約) •
目は他の部位と比較して識別率は低い結果 画像データ数を増やすことで今後向上する可能性
16.
まとめ • SVMを用いた観相(人相見)の自動処理の検討 – 観相トピックマップに含まれる顔の各部位画像を利用 –
平均識別率は71.8% – 鼻(正面)の識別率が82.3%と最高値 • 今後の検討課題 – データ量をさらに増やした場合の識別性能 – 他の識別手法との比較(k-means, ランダムフォレスト) – 吉・凶のラベルを自動付与する方法の検討 ⇒現在は人手で付与しているためコスト大 – 実社会へのアプリケーションの検討
Download now