人臉標註方法以及人臉標註系統

專利類型

發明

專利國別 (專利申請國家)

中華民國

專利申請案號

103128429

專利證號

I 508002

專利獲證名稱

人臉標註方法以及人臉標註系統

專利所屬機關 (申請機關)

國立臺北科技大學

獲證日期

2015/11/11

技術說明

近年來，為了管理社交網路中的大量照片，自動人臉標記技術在線上社交網路中已經成為大有可為的研究領域。本論文提出一個基於社交網路的三大特性之新式協同人臉辨識演算法以達到高效率且高準確的人臉標記系統於分散式線上社交網路。基於使用者優先之協同人臉辨識策略的此方法包含三個模組:金字塔資料庫存取模組、多核學習人臉辨識模組和多核學習人臉辨識融合模組。首先，為了大量減少時間成本並進一步增強人臉標記準確度，金字塔資料庫存取模組藉由多種社交網路資訊建立個人化的金字塔資料庫給每一位成員。接下來，在分散式線上社交網路中，我們訓練及最佳化的個人化分類器給每一位成員，並使用多核學習演算法學習每一個個人化分類器適用於各自的成員。為了得到高可靠度的人臉標記結果，在協同式架構中，多核學習人臉辨識融合模組藉由時間-群組相關資訊有效率選擇適當多個的個人化多核學習分類器，然後，將分散式線上社交網路中的多個之個人化多核學習分類器結果有效融合高可靠的人臉標記結果。實驗結果證實，使用現實生活中具有角度變化的個人照片與其他人臉標記方法比較，本論文基於協同式架構的人臉標記方法有更高程度的效果及效率性。 In order to achieve highly reliable face annotation results, we propose the multiple-kernel learning Face Recognition Fusion module within our collaborative framework by which to efficiently select the proper personalized MKL classifier units via temporal-group context. Subsequently, the multiple results of the personalized MKL classifier units are effectively fused into one highly reliable face annotation result in the distributed OSN. Experimental results demonstrate that our proposed face annotation approach employed within the collaborative framework provides a substantially higher level of efficacy and efficiency than can other face annotation approaches for real-life personal photos with pose variations.

備註

本部(收文號1090026809)同意該校109年5月8日北科大產學字第1097900107號函申請終止維護專利(北科大)

連絡單位 (專責單位/部門名稱)

專利技轉組

連絡電話

02-87720360

網址