• 정보처리학회논문지B
• /
• 제12B권6호
• /
• pp.715-720
• /
• 2005

본 논문에서는 영상의 1차 모멘트와 단층신경망에 기반을 둔 주요성분분석을 이용한 얼굴인식 기법을 제안하였다. 여기서 1차 모멘트는 입력되는 얼굴영상의 중심이동을 위한 것으로 차원을 감소시켜 얼굴인식에 불필요한 배경을 배제시키기 위함이다. 또한 단층신경망을 이용한 주요성분분석은 수치적 기법의 대안으로 Foldiak 학습알고리즘을 이용하며, 차원을 감소시켜 얼굴영상의 특징추출을 위한 정규직교기저를 얻기 위함이다. 제안된 기법을 64$\ast$64 픽셀의 48개(12명$\ast$4장) 학습자 얼굴영상을 대상으로 city-block, Euclidean, 그리고 negative angle의 각 거리 척도를 분류척도로 이용하여 실험하였다. 실험결과, 제안된 기법은 우수한 인식성능이 있음을 확인하였다. 특히 negative angle를 이용하는 것이 city-block이나 Euclidean을 이용하는 것보다 상대적으로 정확하게 유사성을 측정할 수 있었다.

• 한국정보처리학회논문지
• /
• 제6권5호
• /
• pp.1393-1402
• /
• 1999

본 논문에서는 새로운 학습알고리즘의 3층 전향 신경망을 이용한 입력데이터의 주요 특징추출에 대해서 제안하였다. 제안된 학습알고리즘에서에서는 빠른 수렴속도의 최적화가 가능하도록 하기 위하여 기울기하강의 역전파 알고리즘을 이용하고, 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치의 설정을 위하여 동적터널링의 역전파 알고리즘을 이용함으로써 빠른 수렴속도로 전역최적해로에 수렴되도록 학습시킬 수 있다. 제안된 학습 알고리즘을 이용한 다층신경망을 $12{\times}12$ 픽셀의 영상 데이터들과 $128{\times}128$ 픽셀의 Lenna 영상데이터를 대상으로 시뮬레이션한 결과, 단층신경망을 이용하는 Sanger 방법이나 측면연결을 가지는 단충신경망을 이용하는 Foldiak 방법 및 기울기하강에 기초를 둔 기존의 역전파 알고리즘을 이용한 다층신경망에 의한 결과와 비교할 때 더욱 우수한 수렴성능과 추출성능이 있음을 확인할 수 있었다.