基于广义梯度方向与低秩回归的遮挡人脸识别
图像与视频处理
2024-09-23 v1 计算机视觉与模式识别
数值分析
数值分析
摘要
本文提出一种非常有效的方法来解决了连续人脸遮挡识别问题。它利用鲁棒的图像梯度方向特征以及多种映射函数，并采用一种分层稀疏与低秩回归模型。该模型在字典学习中统一了稀疏表示，以及对梯度域中通常杂乱的误差项的低秩表示。我们称之为“弱低秩性”优化问题，它可以通过交替方向乘子法（ADMM）框架高效求解。误差项的最优解具有与参考误差图相似的弱低秩结构，并且利用弱低秩性优化可使识别性能实现飞跃式提升。我们在真实世界的伪装/遮挡数据和合成的连续遮挡数据上进行了大量实验。这些实验表明，所提出的基于梯度方向的分层自适应稀疏与低秩（GD-HASLR）算法相比于包括流行的基于卷积神经网络的方法在内的最先进方法具有最佳性能。
引用
@article{arxiv.1906.02429,
title = {Occluded Face Recognition Using Low-rank Regression with Generalized Gradient Direction},
author = {Cho-Ying Wu and Jian-Jiun Ding},
journal= {arXiv preprint arXiv:1906.02429},
year = {2024}
}