Resumen

En aplicaciones del mundo real, la imagen de los rostros varía con la iluminación, la expresión facial y las poses. Parece que más muestras de entrenamiento son capaces de revelar posibles imágenes de los rostros. Aunque la clasificación de error cuadrado mínimo (MSEC, por sus siglas en inglés) es un método ampliamente utilizado, sus aplicaciones en reconocimiento facial suelen sufrir del problema de un número limitado de muestras de entrenamiento. En este artículo, mejoramos MSEC utilizando los rostros espejados como muestras de entrenamiento virtuales. Obtuvimos los rostros espejados generados a partir de las muestras de entrenamiento originales y colocamos estos dos tipos de muestras en un nuevo conjunto. Los experimentos de reconocimiento facial muestran que nuestro método sí logra un alto rendimiento de precisión en la clasificación.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Aplicaciones del mundo real; Imagen; Caras; Muestras de entrenamiento; Reconocimiento facial; Caras en espejo
• Keywords:Real-world applications; Image; Faces; Training samples; Face recognition; Mirror faces