基于判别低秩表示的协作表示鲁棒人脸识别
计算机视觉与模式识别
2019-12-18 v1 机器学习
摘要
我们考虑鲁棒人脸识别问题，其中训练样本和测试样本都可能因伪装和遮挡而损坏。当提供损坏的训练样本时，传统的子空间学习方法以及最近提出的基于稀疏表示分类（SRC）的性能可能会下降。此外，基于稀疏性的方法由于稀疏约束而耗时。为了在一定程度上缓解上述问题，本文提出一种用于基于协作表示的（DLRR-CR）鲁棒人脸识别的判别低秩表示方法。DLRR-CR不仅获得干净字典，还通过引入结构不相干正则化项，进一步迫使不同类的子字典尽可能独立。同时，可以学习一个低秩投影矩阵以去除测试样本中可能的损坏。我们所提方法中利用了具有闭式解的基于协作表示分类（CRC）方法。在公开人脸数据库上的实验结果验证了我们所提方法的有效性和鲁棒性。
引用
@article{arxiv.1912.07778,
title = {Collaborative representation-based robust face recognition by discriminative low-rank representation},
author = {Wen Zhao and Xiao-Jun Wu and He-Feng Yin and Zi-Qi Li},
journal= {arXiv preprint arXiv:1912.07778},
year = {2019}
}
备注
28 pages, 5 figures