تعلم Metaface للتمثيل المتناثر القائم على التعرف على الوجوه

19

الوصف

كان التعرف التلقائي على الوجوه (FR) ولا يزال أحد أكثر موضوعات البحث وضوحًا وتحديًا في رؤية الكمبيوتر والتعلم الآلي والقياسات الحيوية. على الرغم من أن صور الوجه ذات أبعاد عالية ، فإنها عادة ما تقع على مسافات فرعية ذات أبعاد أقل أو عديدات طيات فرعية. لذلك ، تم استخدام أساليب التعلم من الفضاء الجزئي والتعلم المتنوع بشكل كبير وناجح في FR القائم على المظهر ، والذي يتضمن Eigenface ، و Fisherface ، وإسقاط الحفاظ على المنطقة (LPP) ، والتضمين المميز المحلي (LDE) ، والإسقاط التمييزي غير الخاضع للإشراف (UDP) [8] ، إلخ. .

في هذا المشروع ، ناقشنا تعلم metaface (MFL) لصور الوجه عند استخدام المصنف القائم على التمثيل المتناثر (SRC) للتصنيف. أظهرت تجاربنا على قواعد بيانات الوجه الموسعة Yale B و ORL و AR أن خوارزمية MFL المقترحة لا يمكن أن تتمتع بدقة أعلى من SRC الأصلي فحسب ، بل أيضًا حجم قاموس أقل. في تعلم metafaces لكل فئة ، تم استخدام العينات داخل هذا الفصل فقط. لذلك ، فإن خوارزمية MFL المقترحة في هذه الورقة هي طريقة تعلم غير خاضعة للإشراف. في المستقبل ، سنحقق في كيفية إدخال معلومات تسمية الفصل في عملية MFL بحيث يمكن تعلم مجموعة من الواصفات التمييزية

ref :

Yang, Meng, Lei Zhang, Jian Yang, and David Zhang. “Metaface learning for sparse representation based face recognition.” In Image Processing (ICIP), 2010 17th IEEE International Conference on, pp. 1601-1604. IEEE, 2010.

تمثيل متناثر غير مركزي لاستيفاء الصورة

 

التمثيل المتناثر المستند إلى Metasample لتصنيف الورم

 

 

http://vlm1.uta.edu/~athitsos/publications/shafiee_petra2013.pdf

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “تعلم Metaface للتمثيل المتناثر القائم على التعرف على الوجوه”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

رمز المنتج: P2018F152 التصنيفات: ,