用于低分辨率多光谱性别分类的类代表自编码器
计算机视觉与模式识别
2018-05-22 v1
摘要
性别是用于描述个体的最常见属性之一。它用于人机交互、营销、安全和人口统计报告等多个领域。已有研究使用人脸图像在受限环境下自动化性别识别任务，然而对无约束场景中性别分类的关注有限。本工作试图解决多光谱低分辨率人脸图像中性别分类这一具有挑战性的问题。我们提出了一种鲁棒的称为 AutoGen 的类代表自编码器模型用于此任务。所提模型旨在最小化所学特征表示的类内差异，同时最大化类间差异。在可见光及近红外光谱数据上针对不同分辨率和多个数据库的结果显示了所提模型的有效性。与现有方法及两个商用现成系统的比较结果进一步证明了使用类代表特征进行分类的合理性。
引用
@article{arxiv.1805.07905,
title = {Class Representative Autoencoder for Low Resolution Multi-Spectral Gender Classification},
author = {Maneet Singh and Shruti Nagpal and Richa Singh and Mayank Vatsa},
journal= {arXiv preprint arXiv:1805.07905},
year = {2018}
}
备注
Published at IJCNN 2017