大间隔图像集表示与分类
计算机视觉与模式识别
2014-04-23 v1
摘要
本文通过最大化图像集的间隔，提出了一种新颖的图像集表示与分类方法。图像集的间隔定义为其到不同类最近图像集的距离与到同类最近图像集的距离之差。通过结合图像样本与仿射包模型对图像集进行建模，并最大化图像集的间隔，图像集表示参数学习问题被表述为一个最小化问题，并通过结合加速近端梯度 (APG) 优化的期望最大化 (EM) 策略在迭代算法中进一步优化。对于给定的测试图像集，将其分配给能提供最大间隔的类别。在基于视频序列的人脸识别两项应用上的实验表明，所提方法在有效性和效率上均显著优于 state-of-the-art 的图像集分类方法。
引用
@article{arxiv.1404.5588,
title = {Large Margin Image Set Representation and Classification},
author = {Jim Jing-Yan Wang and Majed Alzahrani and Xin Gao},
journal= {arXiv preprint arXiv:1404.5588},
year = {2014}
}