多重派

多派:人脸识别算法的进步与人脸数据库的可用性之间存在着密切的关系,这些因素以可控的方式影响面部外观。CMU-PIE数据库在推进跨姿态和光照的人脸识别研究方面发挥了非常重要的作用。尽管取得了成功,但PIE数据库仍有几个缺点:主题数量有限,只有一个记录会话,并且只捕获了很少的表达式。为了解决这些问题,我们收集了CMU Multi-PIE数据库。它包含337名受试者,在15个观察点和19个光照条件下,在最多4个记录阶段中成像。本文介绍了数据库,并描述了记录过程。此外,我们还展示了使用PCA和LDA分类器的基线实验结果,以突出PIE和Multi-PIE之间的异同。


zbMATH中的参考文献(参考文献25条)

显示第1到第20个结果,共25个。
按年份排序(引用)
  1. 吴应年;高瑞琪;汉、田;朱松春:《三个概率家族的故事:区分、描述和生成模型》(2019)
  2. 林国军;杨蒙;沈琳琳;杨明忠;谢梅:面向人脸识别的鲁棒和区分词典学习(2018)
  3. 厄夫杰尔,克里斯托弗;菲尔斯伯格,迈克尔:信道表示的近似编码方法(2018)
  4. 商、坤;黄、郑海;刘万全;李志明:基于扩展联合稀疏表示的单通道人脸识别(2018)
  5. Anush Sankaran;戈斯瓦米,高拉夫;瓦萨,马扬克;辛格,里奇;Majumdar,Angshul:基于类稀疏签名的受限Boltzmann机器(2017)
  6. 张,何;Patel,Vishal M.:区分稀疏表示(2017)
  7. 霍夫汉尼斯扬,瓦汉;帕帕斯,帕诺斯;Zafeiriou,Stefanos:MAGMA:大规模凸复合最小化的多级加速梯度镜像下降算法(2016)
  8. 周兆泽;郑维石;胡建芳;徐勇;你,简:一键在线学习:本地方法(2016)
  9. 卡门特,莱昂纳多A。;卡斯蒂略,路易斯E。;佩雷斯,胡安P。;加尔达姆斯,弗朗西斯科J。;Perez,Claudio A.:用于人脸识别的局部归一化和Gabor熵加权特征的融合(2014)ioport公司
  10. 伊戈尔,劳拉;佩雷斯·萨拉,泽维尔;埃斯卡莱拉,塞尔吉奥;安古洛,塞西利奥;德拉托雷,费尔南多:连续广义过程分析(2014)
  11. 凯恩,梅娜;吴俊婷;石光山;Chen,Xilin:人脸识别的域自适应:公共子空间桥接的目标化源域(2014)
  12. 彭熙;张磊;易,张;Tan,Kok Kiong:学习局部约束的协作表示以实现鲁棒人脸识别(2014)ioport公司
  13. 王东辉;孔舒:一种分类导向的词典学习模式:明确学习跨类别的特殊性和共性(2014)
  14. 杨蒙;冯志昭;萧,西蒙·C·K。;张磊:基于编码残差图学习的自适应掩蔽快速鲁棒人脸识别(2014)
  15. 杨蒙;张磊;风,香楚;张大卫:基于稀疏表示的Fisher判别字典学习用于图像分类(2014)
  16. 冯志昭;杨蒙;张磊;刘燕;Zhang,David:联合判别维数约简和字典学习用于人脸识别(2013)ioport公司
  17. 杨蒙;张磊;萧,西蒙·C·K。;Zhang,David:基于Gabor特征的人脸识别鲁棒表示与分类(2013)ioport公司
  18. 雷、真;张志伟;Li,Stan Z.:基于核的非线性判别分析的特征空间局部性约束(2012)
  19. 图恩,比尔坎;达尔ı,沃尔坎;Gökmen,Muhittin:类相关因子分析及其在人脸识别中的应用(2012)
  20. 张海超;纳斯拉巴迪,纳赛尔M。;张燕宁;Huang,Thomas S.:多视点人脸识别的联合动态稀疏表示(2012)ioport公司