用于人脸识别的正则化鲁棒编码
计算机视觉与模式识别
2015-06-04 v2
摘要
近年来，基于稀疏表示的分类 (SRC) 被提出用于鲁棒人脸识别 (FR)。在 SRC 中，测试图像被编码为训练样本的稀疏线性组合，编码残差的保真度通过编码残差的 l2-范数或 l1-范数来衡量。这种稀疏编码模型假设编码残差服从高斯分布或拉普拉斯分布，这可能不足以有效描述实际 FR 系统中的编码残差。同时，对编码系数的稀疏性约束使得 SRC 的计算成本非常高。在本文中，我们提出了一种新的人脸编码模型，即正则化鲁棒编码 (RRC)，它能够利用正则化回归系数鲁棒地回归给定信号。通过假设编码残差和编码系数分别独立同分布，RRC 寻求编码问题的最大后验解。我们提出了一种迭代重加权正则化鲁棒编码 (IR3C) 算法来高效求解 RRC 模型。在代表性人脸数据库上的大量实验表明，在处理人脸遮挡、污损、光照和表情变化等方面，RRC 比最先进的基于稀疏表示的方法更有效且更高效。
引用
@article{arxiv.1202.4207,
title = {Regularized Robust Coding for Face Recognition},
author = {Meng Yang and Lei Zhang and Jian Yang and David Zhang},
journal= {arXiv preprint arXiv:1202.4207},
year = {2015}
}