• Journal of Information Processing Systems
• /
• 제20권4호
• /
• pp.558-573
• /
• 2024

Considering factors such as illumination, camera quality variations, and background-specific variations, identifying a face using a smartphone-based facial image capture application is challenging. Face Image Quality Assessment refers to the process of taking a face image as input and producing some form of "quality" estimate as an output. Typically, quality assessment techniques use deep learning methods to categorize images. The models used in deep learning are shown as black boxes. This raises the question of the trustworthiness of the models. Several explainability techniques have gained importance in building this trust. Explainability techniques provide visual evidence of the active regions within an image on which the deep learning model makes a prediction. Here, we developed a technique for reliable prediction of facial images before medical analysis and security operations. A combination of gradient-weighted class activation mapping and local interpretable model-agnostic explanations were used to explain the model. This approach has been implemented in the preselection of facial images for skin feature extraction, which is important in critical medical science applications. We demonstrate that the use of combined explanations provides better visual explanations for the model, where both the saliency map and perturbation-based explainability techniques verify predictions.

• 전자공학회논문지SC
• /
• 제49권4호
• /
• pp.90-101
• /
• 2012

단일 카메라 기반의 SLAM(Simultaneous Localization and Mapping)을 성공적으로 수행하기 위해서는 표식 선택이 매우 중요하다. 특히, 미지의 환경에서는 표식에 대한 사정정보가 없기 때문에 표식을 자동 선택하는 기술이 필요하다. 본 논문에서는 표식을 자동 선택하기 위해 인간의 시각 집중 방식을 모델링한 시각 집중 시스템을 이용한다. 기존의 시각 집중 시스템에서 윤곽선(Edge)는 시각 집중을 위한 중요한 요소 중 하나이다. 하지만 복잡한 실내 환경에서 윤곽선의 응답을 사용할 경우 정규화 연산으로 인해 정보가 많은 복잡한 영역의 윤곽선에 대한 응답은 낮아지고 특징이 없는 평면이나 평면들 간의 경계에서 높은 값을 가지게 된다. 또한 네 방향에 대한 응답 값을 사용하기 때문에 특징의 차원수가 증가해서 연산량도 증가한다. 본 논문에서는 앞에서 언급한 문제점들을 해결하기 위해 모서리 특징의 사용을 제안한다. 모서리 특징을 사용함으로써 정보가 많은 복잡한 영역을 우선 집중시켜 데이터 연관(Data association)의 정확도도 높일 수 있다. 최종적으로는 코너특징을 사용한 시각 집중 시스템을 이용함으로써 기존 방식보다 SLAM 결과가 향상 된다는 것을 실험으로 보이도록 하겠다.