情報処理学会 第77回全国大会講演要旨

Active Appearance Models（以下AAM）は顔画像認識などで用いられる顔画像の合成モデルであり、形状情報と輝度情報を次元圧縮し作られる、形状モデル、輝度モデルを組み合わせることで構成することができる。AAMでは次元圧縮において主成分分析を用いているが、主成分分析は線形空間での次元圧縮であるため、十分な表現力を持っていない。そこで、本研究ではDeep Neural Networkの一種であるAutoEncoderを用いることで、非線形空間での次元圧縮を実現し、AAMの性能向上を目指す。また、学習率の変更、ミニバッチ学習の導入、誤差関数におけるMCC、MSEの利用によって、AAMの性能向上を目指す。評価実験の結果、AutoEncoderの利用により合成顔画像の特徴点の座標誤差が39%減少することが分かった。