基于模态回归的原子表示用于鲁棒人脸识别
计算机视觉与模式识别
2017-11-17 v1
摘要
基于表示的分类（RC）方法如稀疏RC（SRC）近年来在人脸识别中展现出巨大潜力。多数以往RC方法基于传统回归模型，如lasso回归、岭回归或组lasso回归。这些回归模型本质上对查询样本中噪声变量的分布施加预定义假设，如高斯或拉普拉斯分布。然而，实际中复杂噪声可能违背假设并阻碍这些RC方法的性能。本文提出基于模态回归的原子表示与分类（MRARC）框架以缓解此局限。与以往RC方法不同，MRARC框架不要求噪声变量服从任何特定预定义分布。这赋予MRARC处理现实中各类复杂噪声的能力。以MRARC为通用平台，我们还分别针对单模态与多模态人脸识别开发了四种新颖RC方法。此外，基于交替方向乘子法（ADMM）与半二次理论，我们为统一MRARC框架设计了一种通用优化算法。在真实数据上的实验验证了MRARC对鲁棒人脸识别的有效性。
引用
@article{arxiv.1711.05861,
title = {Modal Regression based Atomic Representation for Robust Face Recognition},
author = {Yulong Wang and Yuan Yan Tang and Luoqing Li and Hong Chen},
journal= {arXiv preprint arXiv:1711.05861},
year = {2017}
}
备注
10 pages, 9 figures