Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost

El presente artículo aborda aspectos del entrenamiento de la máquina de aprendizaje AdaBoost con modelos de reconocimiento de objetos basados en características de apariencia tales como: Patrones Binarios Locales (LBP), Histograma de Gradientes Orientados (HOG) y características tipo Haar para la de...

Descripción completa

Detalles Bibliográficos
Autores principales:	Merchán, Fernando, Galeano, Sebastián, Poveda, Héctor
Formato:	Online
Idioma:	spa
Publicado:	Universidad Tecnológica de Panamá, Panamá 2016
Acceso en línea:	https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/21

id	IDTEC21
record_format	ojs
spelling	IDTEC212019-04-26T14:54:33Z Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost Merchán, Fernando Galeano, Sebastián Poveda, Héctor El presente artículo aborda aspectos del entrenamiento de la máquina de aprendizaje AdaBoost con modelos de reconocimiento de objetos basados en características de apariencia tales como: Patrones Binarios Locales (LBP), Histograma de Gradientes Orientados (HOG) y características tipo Haar para la detección de sonrisas. En este contexto realizamos un estudio del impacto de varios parámetros de entrenamiento de los modelos. Proponemos un nuevo enfoque con respecto a la selección de muestras positivas utilizadas en el periodo de aprendizaje. A diferencia de otros trabajos que utilizan como muestras positivas rostros sonrientes completos, proponemos utilizar únicamente la sección del rostro correspondiente a la boca sonriente. Las pruebas realizadas muestran que nuestro enfoque ofrece hasta un 40% de disminución en el tiempo de entrenamiento y hasta un 20% de disminución en el tiempo de detección con respecto al enfoque convencional, conservando una precisión de detección comparable. Además, se estudió la in!uencia de la normalización del tamaño de las imágenes de entrenamiento y prueba en ambos enfoques de entrenamiento. También se estudió el impacto del tamaño de las ventanas de análisis en el rendimiento de los métodos de detección para el caso de entrenamiento usando bocas sonrientes como muestras positivas. Universidad Tecnológica de Panamá, Panamá 2016-06-28 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf text/html https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/21 I+D Tecnológico; Vol. 10 Núm. 2 (2014): Revista I+D Tecnológico; 17-30 2219-6714 1680-8894 spa https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/21/pdf https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/21/html Derechos de autor 2016 I+D Tecnológico
institution	Universidad Tecnológica de Panamá
collection	I+D Tecnológico
language	spa
format	Online
author	Merchán, Fernando Galeano, Sebastián Poveda, Héctor
spellingShingle	Merchán, Fernando Galeano, Sebastián Poveda, Héctor Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
author_facet	Merchán, Fernando Galeano, Sebastián Poveda, Héctor
author_sort	Merchán, Fernando
description	El presente artículo aborda aspectos del entrenamiento de la máquina de aprendizaje AdaBoost con modelos de reconocimiento de objetos basados en características de apariencia tales como: Patrones Binarios Locales (LBP), Histograma de Gradientes Orientados (HOG) y características tipo Haar para la detección de sonrisas. En este contexto realizamos un estudio del impacto de varios parámetros de entrenamiento de los modelos. Proponemos un nuevo enfoque con respecto a la selección de muestras positivas utilizadas en el periodo de aprendizaje. A diferencia de otros trabajos que utilizan como muestras positivas rostros sonrientes completos, proponemos utilizar únicamente la sección del rostro correspondiente a la boca sonriente. Las pruebas realizadas muestran que nuestro enfoque ofrece hasta un 40% de disminución en el tiempo de entrenamiento y hasta un 20% de disminución en el tiempo de detección con respecto al enfoque convencional, conservando una precisión de detección comparable. Además, se estudió la in!uencia de la normalización del tamaño de las imágenes de entrenamiento y prueba en ambos enfoques de entrenamiento. También se estudió el impacto del tamaño de las ventanas de análisis en el rendimiento de los métodos de detección para el caso de entrenamiento usando bocas sonrientes como muestras positivas.
title	Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
title_short	Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
title_full	Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
title_fullStr	Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
title_full_unstemmed	Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost
title_sort	mejoras en el entrenamiento de esquemas de detección de sonrisas basados en adaboost
publisher	Universidad Tecnológica de Panamá, Panamá
publishDate	2016
url	https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/21
work_keys_str_mv	AT merchanfernando mejorasenelentrenamientodeesquemasdedetecciondesonrisasbasadosenadaboost AT galeanosebastian mejorasenelentrenamientodeesquemasdedetecciondesonrisasbasadosenadaboost AT povedahector mejorasenelentrenamientodeesquemasdedetecciondesonrisasbasadosenadaboost
_version_	1811817953770864640

Mejoras en el Entrenamiento de Esquemas de Detección de Sonrisas Basados en AdaBoost

Ejemplares similares