基于无标签数据驱动的稀疏表示分类的稳定紧凑人脸识别
计算机视觉与模式识别
2021-11-05 v1
摘要
稀疏表示分类（SRC）通过将识别问题转化为简单的线性回归问题而备受关注。然而，SRC 方法仍受限于每个类别足够的标注样本、对无标签样本的利用不充分以及表示的不稳定性。为解决这些问题，提出了一种具有低秩稀疏约束的无标签数据驱动逆投影伪全空间表示分类模型。该模型旨在挖掘所有可用数据的隐藏语义信息与内在结构信息，适用于正面人脸识别中标注样本少以及标注样本与无标签样本间比例失衡的问题。引入了混合 Gauss-Seidel 和 Jacobian ADMM 算法来求解该模型。分析了该模型的收敛性、表示能力与稳定性。在三个公开数据集上的实验表明，所提出的 LR-S-PFSRC 模型取得了稳定的结果，尤其是在样本比例失衡的情况下。
引用
@article{arxiv.2111.02847,
title = {Stable and Compact Face Recognition via Unlabeled Data Driven Sparse Representation-Based Classification},
author = {Xiaohui Yang and Zheng Wang and Huan Wu and Licheng Jiao and Yiming Xu and Haolin Chen},
journal= {arXiv preprint arXiv:2111.02847},
year = {2021}
}
备注
43 pages, 10 figures, 3 tables