L1-(2D)2PCANet：一种用于人脸识别的深度学习网络
计算机视觉与模式识别
2019-07-24 v1
摘要
本文提出一种新颖的深度学习网络L1-(2D)2PCANet用于人脸识别，该网络基于基于L1范数的双向二维主成分分析(L1-(2D)2PCA)。在我们的网络中，L1-(2D)2PCA的作用是学习多个卷积层的滤波器。在卷积层之后，我们部署二值哈希与分块直方图进行池化。我们在一些基准人脸数据集YALE、AR、Extended Yale B、LFW-a和FERET上测试了我们的网络，并与CNN、PCANet、2DPCANet和L1-PCANet进行比较。结果表明，L1-(2D)2PCANet在所有测试中的识别性能均优于基线网络，尤其在测试数据中存在离群点时。由于L1范数，L1-2D2PCANet对离群点及训练图像的变化具有鲁棒性。
引用
@article{arxiv.1805.10476,
title = {L1-(2D)2PCANet: A Deep Learning Network for Face Recognition},
author = {YunKun Li and XiaoJun Wu and Josef Kittler},
journal= {arXiv preprint arXiv:1805.10476},
year = {2019}
}
备注
8 pages and 5 figures