人脸图像处理及识别的字典学习算法

引用格式

李开宇, 胡燕, 崔益峰, 王平, 徐贵力. 结构化低秩字典学习的人脸识别[J]. 中国图象图形学报, 2018, 23(8): 1154-1162.

DOI: 10.11834/jig.170506

相关阅读

Aharon等人提出的KSVD算法[1]

来源:

DOI:10.1109/TSP.2006.881199

Zhang等人在KSVD算法的基础上提出的具有识别力的KSVD(DKSVD)算法等。这些算法学习的共享字典丢失了字典原子与类别标签之间的一致性[2]。

来源:http://doi.ieeecomputersociety.org/10.1109/CVPR.2010.5539989

Jiang等人提出了把标签信息与字典原子相结合的想法,从而加强了字典的识别力[3]。

Yang等人提出了将Fisher准则加入到字典学习中(FDDL)的算法,该算法不仅将标签信息与字典原子相结合,而且使得编码系数也具有一定的识别力[4]。

来源:http://doi.ieeecomputersociety.org/10.1109/ICCV.2011.6126286

但是,以上方法只能处理图像清晰以及带有小噪声污染的训练样本,当样本噪声污染过大时,这些算法学习的字典容易受到污染,影响字典的识别力。

由于同类的训练样本线性相关,所以表示某一类样本的子字典应该合理低秩化[5]。

来源:DOI:10.11772/j.issn.1001-9081.2016.12.3423

Ma等人将低秩正则化整合到稀疏表示中,在训练样本被污染的情况下取得了不错的结果,但是低秩正则化会造成训练样本中信息的丢失[6]。

来源:https://ieeexplore.ieee.org/document/6247977/

参考文献

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180914G0DBKV00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券