Zusammenfassung Machine Vision

Machine Vision



e_roc
- NICHT Elastic Graph Matching aber auf jeden Fall noch: ROC Kurven, Hit/False Alarm
rates, alles nach ROC-Kurven slide 14 (also False Positives, Precision-Recall) duerfen
Sie weglassen.
Face Verification
 Aufgabe der Verifizierung:
 Bei einem Bild eines Gesichts und der Identität i, die die Person vorgibt zu sein,
entscheide, ob es sich wirklich Person i ist.
 Beispiel:
 Kamera + PIN-Code
 Passt das Bild zu dem gespeicherten Besitzer der PIN?
 Wie misst man die Zuverlässigkeit eines Gesichtsverifikationssystems Systems?
 Eingabe: Vektor x , entscheiden, ob oder
 Gesichtserkennungssystem: fi(x)
 Abbildung des Bildvektors auf einen einzelnen skalaren Wert, z.B. Abstand von
gespeicherten Werten der Person i.
 Entscheidung mit Schwellenwert t : fi(x)<t ?
 Gesichtsidentität wird verifiziert wenn der Abstand zu den gespeicherten Werten <t
ist.
 Fehler hängt kritisch von t ab.
 Wie findet man das optimale t? - Theorie der Signaldetektion.
Decisions and Errors
 Treffer: Signal korrekt erkannt.
 Fehlschlag: Das Signal ist vorhanden, aber das System meldet "kein Signal".
 Falscher Alarm: Kein Signal, aber das System sagt "Signal erkannt".
 Korrekte Ablehnung: Kein Signal, nichts erkannt.
 Wahrscheinlichkeiten = Flächen unter Dichtefunktionen.
Case 1: it is the person i
 H
Case 2: it is not the person i
 H
Threshold
 Optimale t: Minimierung der Summe der
 Fehlalarmrate
 Verpasste Rate
 Optimum liegt im Schnittpunkt der Kurven
 Besser:
 Berücksichtigen Sie vorherige Wahrscheinlichkeiten p(wi), p(not wi ).