基于自适应稀疏表示的鲁棒人脸识别
计算机视觉与模式识别
2014-05-05 v1
摘要
基于稀疏表示（或编码）的分类（SRC）近年来在人脸识别中取得了巨大成功。然而，SRC过于强调稀疏性，而忽略了已被证明在实际人脸识别问题中至关重要的相关性信息。此外，一些工作考虑了相关性，但忽略了稀疏性的判别能力。与这些现有技术不同，在本文中，我们提出了一种称为自适应稀疏表示分类（ASRC）的框架，其中联合考虑了稀疏性和相关性。具体来说，当样本相关性较低时，ASRC选择最具判别性的样本进行表示，类似于SRC；当训练样本高度相关时，ASRC选择大多数相关且具有判别性的样本进行表示，而不是随机选择一些相关样本。总的来说，表示模型自适应于相关结构，这得益于范数和范数。在公开数据集上进行的大量实验，通过与最先进方法的比较，验证了所提算法的有效性和鲁棒性。
引用
@article{arxiv.1404.4780,
title = {Robust Face Recognition via Adaptive Sparse Representation},
author = {Jing Wang and Canyi Lu and Meng Wang and Peipei Li and Shuicheng Yan and Xuegang Hu},
journal= {arXiv preprint arXiv:1404.4780},
year = {2014}
}