Entropy-based feature selection for improved 3D facial expression recognition

Yurtkan, Kamil; Demirel, Hasan

doi:10.1007/s11760-013-0543-1

Cited by 18 publications

(8 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Yüz öznitelikleri olarak 3B yüz geometrisi düşünüldüğünde, problem vektör sınıflandırma problemine dönüşmektedir. Kullanılan sınıflandırıcı Destek Vektör Makinesi'nin çoklu sınıflara uyarlanmış şeklidir [1,2,8,9]. Yüz öznitelikleri ise MPEG-4 standardında tanımlanan 83 yüz öznitelik noktalarının 3B uzaklık bilgisidir.…”

Section: Destek Vektör Maki̇nesi̇ Siniflandiriciunclassified

“…Ceza katsayısı olarak 1 seçilmiştir. Bu parametreler simulasyonların yapıldığı MATLAB programının DVM sınıflandırıcı için varsayılan parametreleridir [1,2,8,9]. Kullanılan DVM sınıflandırıcı sistemi Şekil 1'de gösterilmiştir.…”

Section: Destek Vektör Maki̇nesi̇ Siniflandiriciunclassified

“…İlk deneylerimizde MPEG-4 standardında tanımlanan yüz öznitelik noktalarının yüz ifadeleri analizi için iyi bir taban olduğu gözlemlenmiştir [1,2,8,9]. Tablo 1'de gösterildiği üzere tüm MPEG-4 yüz öznitelikleri kullanılarak Şekil 1'deki sınıflandırıcının başarı oranı kabul edilebilir bir seviyededir.…”

Section: öZni̇teli̇k Seçi̇mi̇unclassified

“…Bu bildiride daha önceki çalı malarımızda önerdi imiz yüz öznitelik noktalarının entropi de erlerine ba lı özgün öznitelik seçim yönteminden [1,2] ilham alınmı tır. Bu bildiride farklı olarak yüz temsili 3B yüz öznitelik uzaklıklarıyla yapılmı tır.…”

unclassified

See 3 more Smart Citations

Entropy driven feature selection for facial expression recognition based on 3-D facial feature distances

Yurtkan

Soyel

Demirel

2015

2015 23nd Signal Processing and Communications Applications Conference (SIU)

Self Cite

View full text Add to dashboard Cite

Özetçe-Bu belge, Yüz ifadeleri, insan-makine etkileşiminde (İME) insanın duygu durumu hakkında oldukça önemli bilgi içermesinden dolayı kilit bir noktadadır. Bu bildiride, insan yüz ifadelerini 6 ana sınıfa ayırabilmek için 3 boyutlu (3B) geometrik yüz öznitelikleri tabanlı yüz ifadeleri tanıma sistemine yönelik entropiye dayalı öznitelik seçimi sunulmaktadır. Yüz ifadeleri esnasında yüzdeki geometrik aktiviteleri ayırabilmek için daha önceki çalışmalarımızda önerdiğimiz entropiye dayalı öznitelik seçimi yüz üzerindeki 83 öznitelik noktalarının birbirlerine olan uzaklık bilgisi kullanılarak geliştirilmiştir. 3B yüz öznitelik uzaklıkları yüzdeki dönüşlere karşı daha gürbüz olduğu için kullanılan öznitelikler daha güvenilir bilgi taşımaktadır. Bildiride, daha önceki çalışmamızda yüz ifadeleri analizi için önerdiğimiz entropiye dayalı özgün öznitelik seçim yöntemi 3B öznitelik uzaklıklarına uygulanmıştır ve kişiden bağımsız olarak test edilmiştir. BU-3DFE veritabanı üzerinde test edilen system ümit verici sonuçlar elde edilmiştir. Anahtar Kelimeler-Yüz ifadeleri analizi, yüz ifadeleri tanıma, öznitelik seçimi, yüz biometrisi, entropi.Abstract-Facial expressions contain a lot of information about the feelings of a human. It plays an important role in humancomputer interaction. In this paper, entropy based feature selection method applied to 3D facial feature distances is presented for a facial expression recognition system classifying the expressions into 6 basic classes based on 3-Dimensional (3D) face geometry. Our previous work on entropy based feature selection has been improved by employing 3D feature distances between the 83 points on the face as facial features. 3D distances are more robust to rotations of the face and involve more accurate information than 3D feature positions that are used in our previous work. Entropy is applied in order to rank the feature distances for feature selection. The system is tested on BU-3DFE database in person independent manner and provides encouraging recognition rates.

show abstract

Section: Destek Vektör Maki̇nesi̇ Siniflandiriciunclassified

Section: öZni̇teli̇k Seçi̇mi̇unclassified

unclassified

See 2 more Smart Citations

Entropy driven feature selection for facial expression recognition based on 3-D facial feature distances

Yurtkan

Soyel

Demirel

2015

2015 23nd Signal Processing and Communications Applications Conference (SIU)

Self Cite

View full text Add to dashboard Cite

show abstract

“…Based on this model, researchers have further developed many variants such as topic model [2], spatial pyramid matching [9], and contextual visual words [11]. These models achieve great success in many applications such as image mosaic [33], object tracking [35][36][37], and action recognition [14,32]. For topic model, probabilistic latent semantic analysis (pLSA) [7] and latent Dirichlet allocation (LDA) [1] have been proposed to learn 'topics' or 'themes' of images, which are denoted as latent variables.…”

Section: Introductionmentioning

confidence: 99%

Scene categorization based on local–global feature fusion and multi-scale multi-spatial resolution encoding

Qin¹,

Deng

Yung

2014

SIViP

View full text Add to dashboard Cite

With the bag-of-contextual-visual-word (BOCVW) models, we propose a scene categorization method based on local-global feature fusion and multi-scale multi-spatial resolution encoding. First, the performances of the BOCVW models belonging to different features are mutually reinforced by fusing other types of features within local regions. Then, the spatial configuration information is explored using a multi-scale multi-spatial resolution encoding approach. Furthermore, these encoded BOCVW models are globally fused using an improved maximum-margin optimization strategy, which considers the margin between input vectors of different categories and the diameter of the smallest ball containing feature vectors simultaneously. The proposed method has been evaluated on three scene categorization datasets consisting of scene categories 8, 15, and 67, respectively. And its effectiveness has been verified by these experimental results.

show abstract