×
薛、珊；朱、洪

基于统计分类的递归标签传播低分辨率和开放集人脸识别。 （英语） Zbl 1411.68136号

国际小波多分辨率。信息处理。 17，第2号，文章ID 1940002，17 p.（2019）.
小结：在视频监控中，捕获的人脸图像通常会出现低分辨率（LR），此外，在每个受试者只有一张正面高分辨率（HR）人脸图像的前提下，并非所有的探针图像都在图库中有对应的图像。为了解决这个问题，本文提出了一种新的人脸识别框架，称为基于统计分类的递归标签传播（ReLPBSC）。首先，我们使用VGG提取鲁棒的鉴别特征向量来表示每个人脸。然后，我们通过相似性为每个HR库面在探针中选择相应的LR面。基于提取的HR-LR对，实现了ReLPBSC进行识别。该方法的主要贡献如下：（i）受深度学习方法取得的实质性成就的启发，采用VGG对LR人脸进行区分表示，避免了超分辨率步骤；（ii）ReLPBSC可以自适应地获得人脸识别中不固定的接受和拒绝阈值参数；（iii）从未登记在美术馆的不可靠受试者可以通过设计的方法自动被拒绝。16倍16像素分辨率的实验结果表明，该方法在保持100%准确率的同时，能够达到86.64%的召回率。

MSC公司：

68吨10 模式识别、语音识别
62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统

关键词：

人脸识别；开式设置；低分辨率；深度学习；ReLPBSC公司

软件：

深面（DeepFace）；深度ID3；SIFT公司；FaceNet公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Xue}和\textit{H.Zhu}，国际小波多分辨率。信息处理。17，第2号，文章ID 1940002，17 p.（2019；Zbl 1411.68136）
全文： 内政部

参考文献：

[1] Baker，S.和Kanade，T.，《幻觉脸》，摘自《Proc。2000年3月28日至30日，第四届IEEE国际会议，自动面部和手势识别，法国格勒诺布尔，第83-88页。
[2] Biswas，S.，Aggarwal，G.，Flynn，P.J.和Bowyer，K.W.，低分辨率人脸图像的Pose鲁棒识别，IEEE Trans。模式分析。机器。Intell.35（12）（2013）3037-3049。
[3] Biswas，S.、Bowyer，K.W.和Flynn，P.J.，匹配低分辨率人脸图像的多维缩放，IEEE Trans。模式分析。机器。Intell.34（10）（2012）2019-2030。
[4] Chakrabarti，A.、Rajagopalan，A.和Chellappa，R.，使用基于核pca的先验超分辨率人脸图像，IEEE Trans。多媒体9（4）（2007）888-892。
[5] Dalal，N.和Triggs，B.，人类检测定向梯度直方图，IEEE计算机学会计算机视觉和模式识别会议，2005年6月20日至25日，美国加利福尼亚州圣地亚哥，第886-893页。
[6] Deligne，P.X.和Gross，B.H.，《人均单个图像的人脸识别：一项调查》，《模式识别》39（9）（2006）1725-1745·Zbl 1096.68732号
[7] Geng，C.和Jiang，X.，使用sift特征的人脸识别，第16届IEEE国际会议图像处理（ICIP），2009年11月7日至10日，埃及开罗，第3313-316页。
[8] Hennings-Yeomans，P.H.，Baker，S.和Kumar，B.V.，《低分辨率人脸识别的同时超分辨率和特征提取》，IEEE Conf.Computer Vision and Pattern recognition（CVPR），2008年6月23日至28日，美国阿拉斯加州安克雷奇，第1-8页。
[9] Kamgar-Parsi，B.、Lawson，W.和Kamgar-Parsi，B..《关于开发用于监视名单监视的人脸识别系统》，IEEE Trans。模式分析。机器。《情报》33（10）（2011）1925-1937。
[10] Kim，K.I.和Kwon，Y.，使用稀疏回归和自然图像先验的单图像超分辨率，IEEE trans。模式分析。机器。《情报》32（6）（2010）1127-1133。
[11] Li，J.，Chen，Z.和Liu，C.，多尺度分块cs-lbp和加权pca的低分辨率人脸识别，国际J。模式识别。Artif公司。Intell.30（08）（2016）1656005。
[12] Liu，C.，Shum，H.Y.和Freeman，W.T.，《面部幻觉：理论与实践》，国际计算机杂志。见75（1）（2007）115。
[13] Lowe，D.G.，《不同尺度关键点的独特图像特征》，《国际计算机杂志》。见60（2）（2004）91-110。
[14] Mudunuri，S.P.和Biswas，S.，《姿势和照明变化的低分辨率人脸识别》，IEEE Trans。模式分析。机器。Intell.38（5）（2016）1034-1040。
[15] dos Santos，C.E.Jr.和Schwartz，W.R.，将人脸识别扩展到开放集人脸识别，第27届SIBGRAPI会议图形、模式和图像（SIBGRABI）（2014年），第188-195页。
[16] Parkhi，O.M.等人，《深度面部识别》，摘自Proc。英国机器视觉会议（BMVC）（英国斯旺西，2015年9月7日至10日），第6页。
[17] Phillips，P.J.、Flynn，P.J、Scruggs，T.、Bowyer，K.W.、Chang，J.、Hoffman，K.、Marques，J.，Min，J.和Worek，W.，《人脸识别重大挑战概述》，IEEE计算机学会计算机视觉与模式识别（CVPR），2005年6月20日至25日，美国加利福尼亚州圣地亚哥，第947-954页。
[18] Qian，X.，Hua，X.S.，Chen，P.和Ke，L.，PLBP：一种有效的具有金字塔表示的局部二元模式纹理描述符，Pattern Recognit.44（10）（2011）2502-2515。
[19] Schroff，F.、Kalenichenko，D.和Philbin，J.，《Facenet:人脸识别和聚类的统一嵌入》，Proc。IEEE Conf.计算机视觉和模式识别（IEEE，马萨诸塞州波士顿，美国，2015年6月7日至12日），第815-823页。
[20] 孙毅、陈毅、王毅和唐毅，通过联合身份验证深度学习面部表征，Proc。第27届国际神经信息处理系统会议，第2卷，2014年12月8日至13日，蒙特利尔，卡马达，1988-1996页。
[21] 孙彦，梁德良，王晓红，唐晓红，Deepid3:基于深度神经网络的人脸识别，arXiv:1502.00873。
[22] Sun，Y.，Wang，X.和Tang，X.，预测10000个类别的深度学习人脸表示，在Proc。IEEE Conf.计算机视觉和模式识别（IEEE，俄亥俄州哥伦布，美国，2014年6月23日至28日），第1891-1898页。
[23] Sun，Y.，Wang，X.和Tang，X..，《Proc。IEEE Conf.计算机视觉和模式识别（IEEE，波士顿，马萨诸塞州，美国，2015年6月7日至12日），第2892-2900页。
[24] Taigman，Y.、Yang，M.、Ranzato，M.和Wolf，L.，《深层面：缩小人脸验证中人的绩效差距》，摘自《Proc。IEEE Conf.计算机视觉和模式识别（IEEE，俄亥俄州哥伦布，美国，2014年6月23日至28日），第1701-1708页。
[25] Tian，J.，Zhang，T.，Qin，A.，Shang，Z.和Tang，Y.Y.，学习用于聚类的保分布语义子空间，IEEE Trans。图像处理。26（12）（2017）5950-5965·Zbl 07013238号
[26] Wang，F.和Zhang，C.，线性邻里的标签传播，IEEE Trans。知识。数据工程20（1）（2008）55-67。
[27] Wang，X.，Hu，H.和Gu，J.，通过基于耦合核的增强鉴别分析进行姿态鲁棒低分辨率人脸识别，IEEE/CAA J.Autom。Sin.3（2）（2016）203-212。
[28] K.Simonyan和A.Zissermon，用于大规模图像识别的极深卷积网络，arXiv:1409.1556。
[29] Xing，X.和Wang，K.，耦合流形判别分析与二部图嵌入用于低分辨率人脸识别，信号处理。125（125）（2016）329-335。
[30] Zhang，T.，Fang，B.，Tang，Y.Y.，He，G.和Wen，J.，用于人脸识别的保拓扑非负矩阵因式分解，IEEE Trans。图像处理.17（4）（2008）574-84。
[31] Zhang，T.，Fang，B.，Tang，Y.Y.，Shang，Z.和Xu，B.，广义判别分析：矩阵指数方法，IEEE Trans。系统。人类网络。B、 Cybernet.40（1）（2010）186。
[32] Zhang，T.，Fang，B.，Yuan，Y.，Tang，Y.Y.，Shang，Z.，Li，D.和Lang，F.，可变光照下人脸识别的多尺度面部结构表征，模式识别。42（2）（2009）251-258·兹比尔1162.68644
[33] Zhang，T.，Tang，Y.Y.，Fang，B.，Shang，Z.和Liu，X.，使用梯度面在不同光照下进行人脸识别，IEEE Trans。图像处理.18（11）（2009）2599-2606·Zbl 1371.94457号
[34] X.Zhu和Z.Ghahramani，通过标记传播从标记和未标记数据中学习，技术报告CMU-CALD-02-107，卡内基梅隆大学（2002）。
[35] 邹文伟（Zou，W.W.）和袁（Yuen，P.C.），超低分辨率人脸识别问题，IEEE Trans。图像处理。21（1）（2012）327-340·Zbl 1372.94319号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。