面向高光谱人脸识别的深度稀疏波段选择
计算机视觉与模式识别
2019-08-27 v1
摘要
高光谱成像系统收集并处理电磁频谱中特定波长的信息。可见光谱中多光谱波段的融合已被用来提升相对于传统宽带人脸图像的人脸识别性能。在本章中，我们提出一种新的卷积神经网络（CNN）框架，其采用结构稀疏学习技术来选择最优光谱波段，以在所有光谱波段上获得最佳人脸识别性能。具体而言，在该方法中，所有波段的图像被输入 CNN，然后通过采用组 Lasso 算法对 CNN 第一层中的卷积滤波器进行正则化，以在网络训练过程中剔除冗余波段。与其他通常手动或以贪心方式选择有用波段的方法相反，我们的方法自动选择最优光谱波段，以在所有光谱波段上实现最佳人脸识别性能。此外，实验结果表明，在多个公开可用的高光谱人脸图像数据集上，我们的方法优于最先进的波段选择人脸识别方法。
引用
@article{arxiv.1908.09630,
title = {Deep Sparse Band Selection for Hyperspectral Face Recognition},
author = {Fariborz Taherkhani and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1908.09630},
year = {2019}
}