基于协同表示分类的人脸识别
计算机视觉与模式识别
2014-03-11 v2
摘要
通过将查询样本编码为所有训练样本的稀疏线性组合，然后通过评估哪个类别产生最小编码残差来进行分类，基于稀疏表示的分类（SRC）在鲁棒人脸识别中取得了有趣的结果。人们普遍认为编码系数的l1范数稀疏约束在SRC的成功中起着关键作用，而它使用所有训练样本来协同表示查询样本这一点却被忽视了。本文讨论了SRC的工作原理，并表明SRC中使用的协同表示机制对其人脸分类的成功更为关键。SRC是基于协同表示的分类（CRC）的一个特例，通过对编码残差和编码系数应用不同的范数，CRC有多种实例化形式。更具体地说，编码残差的l1或l2范数表征与CRC对异常面部像素的鲁棒性有关，而编码系数的l1或l2范数表征与面部特征的区分度有关。进行了大量实验来验证不同实例化下CRC的人脸识别准确性和效率。
引用
@article{arxiv.1204.2358,
title = {Collaborative Representation based Classification for Face Recognition},
author = {Lei Zhang and Meng Yang and Xiangchu Feng and Yi Ma and David Zhang},
journal= {arXiv preprint arXiv:1204.2358},
year = {2014}
}
备注
It is a substantial revision of a previous conference paper (L. Zhang, M. Yang, et al. "Sparse Representation or Collaborative Representation: Which Helps Face Recognition?" in ICCV 2011)