基于非负表示的判别字典学习用于人脸识别
计算机视觉与模式识别
2019-10-01 v2
摘要
本文提出一种基于非负表示的判别字典学习算法（NRDL）用于多类人脸分类。与传统字典学习方法不同，NRDL 探究非负表示（NR）的利用，其有助于学习判别性字典原子。为使所学字典更适于分类，NRDL 将非负表示约束、判别字典学习与线性分类器训练无缝整合入统一模型。具体而言，NRDL 对表示矩阵引入正约束以从异质训练样本中发现独特原子，从而产生稀疏且判别性的表示。此外，提出一种判别字典促进函数以增强类专属子字典的独特性。同时，构建类间不相干约束与基于紧致图的正则化项，分别提升所学分类器的判别能力。在多个基准人脸数据集上的实验结果验证了我们的 NRDL 算法相对于当前最优字典学习方法的优势。
引用
@article{arxiv.1903.07836,
title = {Non-negative representation based discriminative dictionary learning for face recognition},
author = {Zhe Chen and Xiao-Jun Wu and Josef Kittler},
journal= {arXiv preprint arXiv:1903.07836},
year = {2019}
}