一种稀疏性增强的概率协同表示分类方法
计算机视觉与模式识别
2019-12-30 v1
摘要
为提升图像识别性能，提出一种稀疏性增强的概率协同表示分类(SA-ProCRC)方法。该方法通过ProCRC获得稠密系数，再以稀疏系数对其进行增强，其中稀疏系数由正交匹配追踪(OMP)算法求得。与需要显式计算各类重构残差的传统方法不同，所提方法利用增强系数和训练样本的标签矩阵对测试样本进行分类。实验结果表明，该方法在人脸与场景图像上均能取得良好效果。我们提出的SA-ProCRC源代码可在https://github.com/yinhefeng/SAProCRC获取。
引用
@article{arxiv.1912.12044,
title = {A sparsity augmented probabilistic collaborative representation based classification method},
author = {Xiao-Yun Cai and He-Feng Yin},
journal= {arXiv preprint arXiv:1912.12044},
year = {2019}
}
备注
This manuscript has been accepted for publication by Journal of Algorithms and Computational Technology (JACT)