Abstract

MARTINEZ, Carmen  and  FUENTES, Olac. Reconocimiento de Rostros usando Datos No Etiquetados. Comp. y Sist. [online]. 2003, vol.7, n.2, pp.123-129. ISSN 2007-9737.

Los sistemas de reconocimiento de rostros normalmente obtienen buenos resultados cuando tienen disponibles conjuntos de entrenamiento grandes. Sin embargo, cuando no hay un conjunto de entrenamiento grande disponible, su desempeño no es satisfactorio. En este trabajo presentamos un método para reconocimiento de rostros que obtiene buenos resultados cuando solo se tiene disponible un conjunto de entrenamiento pequeño (incluso una sola imagen por persona). El método se basa en expandir el conjunto de entrenamiento original usando datos no etiquetados previamente (esto es, imágenes de rostros con identidad desconocida). Inicialmente, aplicamos la técnica de eigenrostros para reducir la dimensionalidad del espacio de atributos, después realizamos un proceso iterativo, clasificando todos los datos no etiquetados con un ensamble de clasificadores construido a partir del conjunto de entrenamiento actual y agregando al conjunto de entrenamiento los ejemplos que han sido clasificados correctamente con un alto nivel de confianza, de acuerdo al ensamble. Realizamos experimentos usando ensambles basados en el algoritmo de k vecinos más cercanos, redes neuronales artificiales, y regresión lineal localmente ponderada. Los resultados experimentales demuestran que el uso de datos no etiquetados mejora la clasificación en todos los casos. Los mejores resultados, con un porcentaje de clasificación correcta de 92.07, fueron obtenidos con regresión lineal localmente ponderada usando 30 eigenrostros y agregando 3 ejemplos de cada clase en cada iteración. Como comparación, usando únicamente los datos etiquetados, solo se clasificaron correctamente el 34.81% de los ejemplos.