Upload
andrea-landi
View
105
Download
0
Tags:
Embed Size (px)
Citation preview
UNIVERSITA’ CAMPUS BIO-MEDICO DI ROMA
Facoltà di ingegneria
Corso di laurea specialistica in ingegneria biomedica
RICONOSCIMENTO ESPRESSIONI FACCIALI:
APPRENDIMENTO SEMI-SUPERVISIONATO E
SVILUPPO DI UNA GUI PER L’AUTOMAZIONE DI
EDIFICIO Relatore:
Dott. Ing. Paolo Soda
Laureando:
Andrea Landi
Correlatore:
Ing. Roberto D’Ambrosio
A.A. 2010/2011
Introduzione
Obiettivi
Software implementato
Apprendimento semi-supervisionato
Risultati sperimentali
Conclusioni e sviluppi futuri
Sistema Esperto Interazione
crescente
con l’uomo
Importanza
interfacce HM
Modello di interazione
naturale (uomo-uomo)
Importanza
riconoscimento
espressioni facciali
Sistema di riconoscimento espressioni facciali (FER)
Estensione funzionalità
ed usabilità
Utilizzo
in situazioni reali
Sviluppo
di
una GUI
Interfacciamento
sistema
automazione
di edificio
Apprendimento
semi-supervisionato
TSVM: estensione semi-supervisionata della SVM
SVM
l
i
iCi 1
2
b,, 2
1min
w
w
ul
li
i
l
i
i CCi 11
2
b,,'
2
1min
w
w
TSVM
l
i
i
ul
lj
i yl
yu 11
1ˆ
1con
L
Campioni etichettati:
ul
iiU
11x
Estensione
Apprendimento supervisionato:
Campioni non etichettati:
Classificatore
Apprendimento semi-supervisionato:
l
iii yL1
,
x
L U Classificatore +
UL
•TSVM implementata in MATLAB tramite SVMlin:
u
j
j
l
i
iul 11
2
2
'
2
1
2min
w
w
ryu
ul
lj
i
1
ˆ1
con
•Database utilizzati:
DB Numero
Soggetti
Numero
Campioni Rabbia Disgusto Paura Felicità Tristezza Sorpresa
CK 105 876 126 162 66 198 78 246
MMI 15 180 30 30 30 30 30 30
•Pairwise Coupling per la ricombinazione delle classi
•Subject out
Set-up sperimentale
: parametro di
regolarizzazione :' parametro di
regolarizzazione per
campioni non etichettati
Prova Training set Test set
1 CKetichettato MMI, 15 fold
2 CKetichettato+MMIetichettato MMI, 15 fold
3 MMIetichettato MMI, 15 fold
4 CKetichettato+MMInon etichettato MMI, 15 fold
5 CKetichettato+MMIparz. etichettato MMI, 15 fold
6 MMIetichettato+CKnon etichettato CK, 105 fold
7 MMIetichettato+CKparz.etichettato CK, 105 fold
8 MMIetichettato+CKetichettato CK, 105 fold
9 MMIetichettato+CKnon etichettato MMI, 15 fold
Prova Training set Test set
1 CKetichettato MMI, 15 fold
λ’=0.001 λ’=0.01 λ’=0.1 λ’=1 λ’=10
λ=0.001 25.65% 25.65% 25.65% 25.65% 25.65%
λ=0.01 27.37% 27.37% 27.37% 27.37% 27.37%
λ=0.1 29.24% 29.24% 29.24% 29.24% 29.24%
λ=1 29.24% 29.24% 29.24% 29.24% 29.24%
λ=10 29.24% 29.24% 29.24% 29.24% 29.24%
•Saturazione
•Indipendenza
da λ’
•Bassa
accuratezza
(scarsa
correlazione)
Prova Training set Test set
2 CKetichettato+MMIetichettato MMI, 15 fold
λ’=0.001 λ’=0.01 λ’=0.1 λ’=1 λ’=10
λ=0.001 35.53% 35.53% 35.53% 35.53% 35.53%
λ=0.01 35.53% 35.53% 35.53% 35.53% 35.53%
λ=0.1 34.06% 34.06% 34.06% 34.06% 34.06%
λ=1 33.36% 33.36% 33.36% 33.36% 33.36%
λ=10 29.88% 29.88% 29.88% 29.88% 29.88%
•Saturazione
•Indipendenza
da λ’
•Rispetto a “1”
aggiunta MMI
aumenta
accuratezza
Prova Training set Test set
3 MMIetichettato MMI, 15 fold
λ’=0.001 λ’=0.01 λ’=0.1 λ’=1 λ’=10
λ=0.001 29.51% 29.51% 29.51% 29.51% 29.51%
λ=0.01 29.51% 29.51% 29.51% 29.51% 29.51%
λ=0.1 29.51% 29.51% 29.51% 29.51% 29.51%
λ=1 28.38% 28.38% 28.38% 28.38% 28.38%
λ=10 28.38% 28.38% 28.38% 28.38% 28.38%
•Saturazione
•Indipendenza
da λ’
•Bassa
accuratezza,
scarsa
correlazione
soggetti MMI
Prova Training set Test set
4 CKetichettato+MMInon etichettato MMI, 15 fold
λ’=0.001 λ’=0.01 λ’=0.1 λ’=1 λ’=10
λ=0.001 24.21% 21.21% 22.19% 23.12% 24.23%
λ=0.01 23.00% 22.26% 22.34% 30.75% 27.70%
λ=0.1 18.57% 19.01% 26.37% 29.24% 31.53%
λ=1 16.40% 16.96% 25.48% 30.30% 26.76%
λ=10 11.21% 11.77% 12.51% 17.14% 12.40%
•Al crescere di
λ’ accuratezza
cresce
•i campioni
dell'MMI non
etichettati
aggiungono
contenuto
informativo
simile a set di
test (cfr “1”)
Prova Training set Test set
5 CKetichettato+MMIparz.etichettato MMI, 15 fold
•E’ generalizzazione della “4”
•I parametri del massimo valore
sono in accordo con la 4
•Percentuale ottimale è 90%
•Risultato inferiore a caso
completamente supervisionato
(cfr. “2”)
Prova Training set Test set
9 MMIetichettato+CKnon etichettato MMI, 15 fold
λ’=0.001 λ’=0.01 λ’=0.1 λ’=1 λ’=10
λ=0.001 27.61% 26.03% 22.92% 23.66% 22.47%
λ=0.01 25.01% 20.51% 20.14% 21.25% 21.09%
λ=0.1 19.36% 17.88% 17.04% 17.69% 15.21%
λ=1 18.88% 18.88% 17.56% 13.67% 14.23%
λ=10 13.82% 13.82% 13.82% 15.90% 15.95%
•Massima
accuratezza
per basso λ’
•CK non è
correlato con
MMI e
peggiora
accuratezza
(cfr. “3”)
Prova Training set Test set Acc. max al
variare dei
parametri
1 CKetichettato MMI, 15 fold 29.24%
2 CKetichettato+MMIetichettato MMI, 15 fold 35.53%
3 MMIetichettato MMI, 15 fold 29.51%
4 CKetichettato+MMInon etichettato MMI, 15 fold 31.53%
5 CKetichettato+MMIparz.etichettato MMI, 15 fold 33.29%
6 MMIetichettato+CKnon etichettato CK, 105 fold 26.49%
7 MMIetichettato+CKparz.etichettato CK, 105 fold 59.96%
8 MMIetichettato+CKetichettato CK, 105 fold 61.17%
9 MMIetichettato+CKnon etichettato MMI, 15 fold 27.61%
Considerazioni:
•CK e MMI poco correlati
•L’aggiunta di campioni etichettati
simili a set di test produce sempre
risultati migliori di non etichettati
Prova Training set Test set Acc. max al
variare dei
parametri
1 CKetichettato MMI, 15 fold 29.24%
2 CKetichettato+MMIetichettato MMI, 15 fold 35.53%
3 MMIetichettato MMI, 15 fold 29.51%
4 CKetichettato+MMInon etichettato MMI, 15 fold 31.53%
5 CKetichettato+MMIparz.etichettato MMI, 15 fold 33.29%
6 MMIetichettato+CKnon etichettato CK, 105 fold 26.49%
7 MMIetichettato+CKparz.etichettato CK, 105 fold 59.96%
8 MMIetichettato+CKetichettato CK, 105 fold 61.17%
9 MMIetichettato+CKnon etichettato MMI, 15 fold 27.61%
Considerazioni:
•CK e MMI poco correlati
•L’aggiunta di campioni etichettati
simili a set di test produce sempre
risultati migliori di non etichettati
•L'aggiunta di campioni non
etichettati produce risultati migliori
solo quando rende set di training
“simile” a set di test
Prova Training set Test set Acc. max al
variare dei
parametri
1 CKetichettato MMI, 15 fold 29.24%
2 CKetichettato+MMIetichettato MMI, 15 fold 35.53%
3 MMIetichettato MMI, 15 fold 29.51%
4 CKetichettato+MMInon etichettato MMI, 15 fold 31.53%
5 CKetichettato+MMIparz.etichettato MMI, 15 fold 33.29%
6 MMIetichettato+CKnon etichettato CK, 105 fold 26.49%
7 MMIetichettato+CKparz.etichettato CK, 105 fold 59.96%
8 MMIetichettato+CKetichettato CK, 105 fold 61.17%
9 MMIetichettato+CKnon etichettato MMI, 15 fold 27.61%
Considerazioni:
•CK e MMI poco correlati
•L’aggiunta di campioni etichettati
simili a set di test produce sempre
risultati migliori di non etichettati
•L'aggiunta di campioni non
etichettati produce risultati migliori
solo quando rende set di training
“simile” a set di test
Usabilità:
•GUI con struttura modulare
•Espansione funzioni
•Multipiattaforma
•Opzioni auto-esplicative
Sviluppi:
Multithreading e CUDA/OpenCL
(GPGPU)
Aggiunta ulteriori funzioni
Creazione guida in linea
Interfacciamento con
sistema di automazione
di edificio:
•Testato con successo in
UCBM
Sviluppi:
Aggiunta metodi
Differenti combinazioni
metodi/espressioni
Apprendimento
semi-supervisionato:
•Indagini compiute
•Ipotesi proposta
Sviluppi:
Ulteriori indagini