التمثيل المتناثر أو التعاوني للتعرف على الوجوه

الوصف

كأسلوب تم اقتراحه مؤخرًا ، تم استخدام التصنيف المتناثر المستند إلى التمثيل (SRC) على نطاق واسع للتعرف على الوجوه (بالفرنسية). يقوم مركز SRC أولاً بتشفير عينة اختبار كمجموعة خطية متفرقة من جميع عينات التدريب ، ثم يصنف عينة الاختبار من خلال تقييم الفئة التي تؤدي إلى الحد الأدنى من خطأ التمثيل.

بينما يتم التأكيد على أهمية التباين في SRC والعديد من الأعمال ذات الصلة ، يتم تجاهل استخدام التمثيل التعاوني (CR) في SRC من قبل معظم الأدبيات. ومع ذلك ، هل هو حقًا التباين في المعيار l1 الذي يحسن دقة FR؟ تكرس هذه الورقة لتحليل آلية عمل SRC ، وتشير إلى أن التباين CR وليس معيار L1 هو الذي يجعل SRC قويًا لتصنيف الوجه.

وبالتالي ، فإننا نقترح مخططًا بسيطًا للغاية ولكنه أكثر كفاءة لتصنيف الوجوه ، وهو التصنيف المستند إلى CR مع المربع الأصغر المنتظم (CRC_RLS). تظهر التجارب المكثفة بوضوح أن CRC_RLS لها نتائج تصنيف تنافسية للغاية ، في حين أنها أقل تعقيدًا بشكل ملحوظ من SRC.

الجمع بين الوسائل غير المحلية وأساليب التشفير المتناثرة لاستعادة الصورة

تمثيل متناثر غير مركزي لاستيفاء الصورة