基于排斥张量的分类：以人脸识别为例
计算机视觉与模式识别
2016-03-16 v1
摘要
我们考虑在监督设置下使用图像即矩阵的表示进行人脸识别的降维方法。一种常见流程是将图像矩阵投影到更小的空间中进行识别。这些方法在文献中常被称为“二维”方法，并且存在使用图像即向量表示的对应方法。当两张人脸图像在输入空间中彼此接近时，它们投影后可能仍然接近——但当这两张图像来自不同类别时，这是不希望的，且这常常影响识别性能。我们扩展了先前开发的排斥拉普拉斯(repulsion Laplacean)技术，该技术基于在目标函数中添加项，目的是在投影空间中此类图像间产生排斥能量。该方案依赖于一个排斥图，具有通用性，可纳入各种二维方法中。它可被视为 Kokiopoulou 和 Saad [Pattern Recog., 42 (2009), pp. 2392--2402] 的排斥策略的多线性推广。实验结果表明，相对于基础的二维方法，所提方法显著提升了识别性能。
引用
@article{arxiv.1603.04588,
title = {Classification with Repulsion Tensors: A Case Study on Face Recognition},
author = {Hawren Fang},
journal= {arXiv preprint arXiv:1603.04588},
year = {2016}
}
备注
25 pages, 8 figures, 6 tables, unpublished manuscript