Feature fusion for automatic kinship verification

Abstract

"Feature fusion for automatic kinship verification refers to the process of combining multiple types of features or information to improve the accuracy and reliability of automatic kinship verification systems. Kinship verification involves determining the familial relationship between two individuals based on their facial images. To address this limitation, feature fusion techniques can be employed. Feature fusion involves integrating different types of features or information to create a more comprehensive representation of the data. This can be done at various levels, such as early fusion (combining features at the input level), mid-level fusion (combining features at a higher-level representation), or late fusion (combining features at the decision level). So that we obtained that the integration between the CNN with the HOG is good at a rate of 85.80% on Father Son relationship It is important to note that the observed degradation in accuracy when using fusion of CNN, HOG, and LBP features with cosine similarity, can be attributed to various factors: redundancy or noise, feature fit, and feature weight. Overall, feature fusion for automatic kinship verification aims to leverage multiple modalities or sources of information to improve the performance of kinship verification systems, enabling more accurate identification of familial relationships based on facial images. "يشير اندماج الميزات للتحقق التلقائي من القرابة إلى عملية الجمع بين أنواع متعددة من الميزات أو المعلومات لتحسين دقة وموثوقية أنظمة التحقق التلقائي من القرابة. يتضمن التحقق من القرابة تحديد العلاقة الأسرية بين شخصين بناءً على صور وجههما. لمعالجة هذا القيد، يمكن استخدام تقنيات دمج الميزات. يتضمن دمج الميزات دمج أنواع مختلفة من الميزات أو المعلومات لإنشاء تمثيل أكثر شمولاً للبيانات. يمكن القيام بذلك على مستويات مختلفة، مثل الاندماج المبكر (دمج الميزات على مستوى الإدخال) ، أو الانصهار متوسط المستوى (دمج الميزات في تمثيل أعلى مستوى) ، أو الاندماج المتأخر (دمج الميزات على مستوى القرار). بحيث حصلنا على أن التكامل بين CNN مع HOG جيد بنسبة 85.80٪ على علاقة الأب والابن من المهم ملاحظة أن التدهور الملحوظ في الدقة عند استخدام اندماج ميزات CNN و HOG و LBP مع تشابه جيب التمام ، يمكن أن يُعزى إلى عوامل مختلفة: التكرار أو الضوضاء ، وتناسب الميزة ، ووزن الميزة. بشكل عام ، يهدف دمج الميزات للتحقق التلقائي من القرابة إلى الاستفادة من أساليب أو مصادر متعددة للمعلومات لتحسين أداء أنظمة التحقق من القرابة ، مما يتيح تحديد العلاقات الأسرية بشكل أكثر دقة بناءً على صور الوجه."