基于稀疏逼近的人脸识别特征选择
计算机视觉与模式识别
2011-02-15 v1 人工智能
摘要
受生物视觉系统启发，在过去几十年中，具有巨大基数的过完备局部特征越来越多地被用于人脸识别。因此，特征选择变得日益重要，并在人脸数据描述和识别中起着关键作用。本文提出了一种基于正则化框架的可训练特征选择算法用于人脸识别。通过在最小均方误差（MSE）准则上施加稀疏惩罚项，我们将特征选择问题转化为一个组合稀疏逼近问题，该问题可通过贪婪方法或凸松弛方法求解。此外，基于同一框架，我们提出了一种稀疏Ho-Kashyap（HK）过程，以同时获得MSE准则的最优稀疏解和相应的间隔向量。所提出的方法用于选择最具信息量的人脸图像Gabor特征进行识别，在基准人脸数据库上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.1102.2748,
title = {Feature Selection via Sparse Approximation for Face Recognition},
author = {Yixiong Liang and Lei Wang and Yao Xiang and Beiji Zou},
journal= {arXiv preprint arXiv:1102.2748},
year = {2011}
}