×
邱会宁;陈晓明;刘万全;周广路;王义菊;赖建煌

快速求解器及其在鲁棒人脸识别中的应用。 （英语） Zbl 1364.65051号

J.工业管理。最佳方案。 8，第1期，163-178（2012）.
摘要：本文应用最近提出的拉格朗日对偶方法（LDM）设计了一种新的稀疏表示分类（LDM-SRC）算法，用于鲁棒人脸识别问题。所提出的方法显著提高了SRC算法的效率。该算法具有以下优点：（1）利用LDM（ell_1）-求解器求解（ell_1-）-范数最小化问题，其速度远快于其他最新的（ell_1_）-解算器，如（ell_1\）-magic和（ell_1\ell_s）。（2） LDM（ell_1）-求解器利用了原（ell_1-）-范数最小化问题的一种新的拉格朗日对偶形式，不仅在训练图像数据维数远小于训练样本数时减小了问题的规模，而且使对偶问题变得光滑凸。因此，它将非光滑（ell_1）范数最小化问题转化为一系列光滑优化问题。（3） LDM-SRC算法可以保持良好的识别精度，同时大大减少计算时间。在一些基准人脸数据库上给出了实验结果。

引用于7文件

MSC公司：

65D18天 计算机图形、图像分析和计算几何的数值方面
68单位10 图像处理的计算方法
65千5 数值数学规划方法

关键词：

压缩感知;\（\ell_1\）优化;拉格朗日对偶;人脸识别

软件：

LBFGS-B型
PDF格式BibTeX公司 XML格式引用
\textit{H.Qiu}等人，J.Ind.Manag。最佳方案。8，第1号，163--178（2012；Zbl 1364.65051）
全文： 内政部

参考文献：

[1] M.S.Bartlett，通过独立成分分析进行人脸识别，IEEE神经网络汇刊，61450（2002）·doi:10.1109/TNN.2002.804287
[2] M.S.Bazaraa，“非线性规划：理论和算法”，John Wiley&Sons（1979）·Zbl 0476.90035号
[3] P.N.Belhumeur，特征脸vs.Fisherfaces:使用类特定线性投影进行识别，IEEE模式分析和机器智能汇刊，7711（1997）·doi:10.1109/34.598228
[4] E.van den Berg，<em>探索基础追求解决方案的Pareto边界</em>，SIAM科学计算杂志，31890·Zbl 1193.49033号
[5] S.Boyd，“凸优化”，剑桥大学出版社（2004）·Zbl 1058.90049号
[6] R.H.Byrd，《边界约束优化的有限内存算法》，SIAM科学计算杂志，16，1190（1995）·Zbl 0836.65080号 ·doi:10.1137/0916069
[7] E.J.Candès，鲁棒不确定性原理：从高度不完整的频率信息精确重建信号，IEEE信息理论汇刊，52，489（2006）·Zbl 1231.94017号 ·doi:10.1109/TIT.2005.862083
[8] E.J.Candès，《压缩采样简介》，IEEE Signal Processing Magazine，2，21（2008）
[9] E.J.Candès，代码包\（\mathcall_1\）-magic:，<a href=
[10] R.Chellappa，《计算机和人类的人脸识别》，《计算机》，第2期，第46页（2010年）·doi:10.1109/MC.2010.37
[11] I.Dagher，使用IPCA-ICA算法进行人脸识别，IEEE模式分析和机器智能汇刊，1996（2006）·Zbl 1168.94323号 ·doi:10.1109/TPAMI.2006.118
[12] D.L.Donoho，压缩传感</em>，IEEE信息理论汇刊，521289（2006）·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582
[13] M.A.T.Figueiredo，《稀疏重建的梯度投影：在压缩传感和其他反问题中的应用》，IEEE信号处理杂志选题，4，586（2007）·doi:10.1109/JSTSP.2007.910281
[14] J.-J.Fuchs，关于任意冗余基的稀疏表示，IEEE信息理论汇刊，50，1341（2004）·Zbl 1284.94018号 ·doi:10.1109/TIT.2004.828141
[15] J.-J.Fuchs，噪声存在下精确稀疏表示的恢复，IEEE国际声学会议论文集，2（2004）
[16] J.-J.Fuchs，（mathcall_1-\mathcall_1\）正则化稀疏表示算法的快速实现，IEEE国际声学会议论文集，3329（2009）
[17] X.He，使用拉普拉斯人脸进行人脸识别，IEEE模式分析和机器智能汇刊，3328（2005）
[18] K.Koh，代码包\（\mathcall_1-\mathcall _s\）：，<a href=
[19] D.D.Lee，通过非负矩阵分解学习对象的各个部分，《自然》，6755，788（1999）·Zbl 1369.68285号
[20] S.Z.Li，<em>学习空间局部化的、基于零件的表示</em>，2001年IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'01），1（2001）
[21] P.J.Phillips，《人脸识别重大挑战概述》，2005 IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05），1947（2005）
[22] P.J.Phillips，《初步人脸识别重大挑战结果》，第七届自动人脸和手势识别国际会议（AFGR'06），15（2006）
[23] J.Lu，使用基于LDA的算法进行人脸识别，IEEE神经网络汇刊，1195（2003）
[24] O.L.Mangasarian，线性规划的非线性扰动，SIAM控制与优化杂志，17，745（1979）·Zbl 0432.90047号 ·doi:10.1137/0317052
[25] A.M.Martinez，PCA与LDA之比较，IEEE模式分析与机器智能汇刊，2228（2001）·数字对象标识代码：10.1109/34.908974
[26] A.J.O’Toole，FRVT 2002评估报告，NISTIR TR-6965（2003）
[27] P.J.Phillips，FRVT 2006和ICE 2006大规模实验结果，IEEE模式分析和机器智能汇刊，5831（2010）·doi:10.1109/TPAMI.2009.59
[28] M.Turk，识别特征脸，认知神经科学杂志，1，71（1991）·doi:10.1162/jocn.1991.3.1.71
[29] 王海英，加权PCA空间及其在人脸识别中的应用，2005年机器学习与控制论国际会议论文集，74522（2005）
[30] X.-G.Wang，《子空间人脸识别的统一框架》，IEEE模式分析与机器智能汇刊，9，1222（2004）·doi:10.1109/TPAMI.2004.57
[31] Y.Wang，基于拉格朗日对偶算法的稀疏信号重构，IEEE信号处理学报，4，1895（2011）·doi:10.10109/TSP.2010.2103066
[32] J.Wright，通过稀疏表示实现鲁棒人脸识别，IEEE模式分析和机器智能汇刊，2210（2009）·doi:10.1109/TPAMI.2008.79
[33] S.J.Wright，通过可分离近似进行稀疏重构，IEEE信号处理汇刊，572479（2009）·Zbl 1391.94442号 ·doi:10.1109/TSP.2009.2016892
[34] J.Yang，《压缩传感中（mathcall_1）问题的交替方向算法》，SIAM科学计算杂志，33，250（2011）·Zbl 1256.65060号 ·数字对象标识代码：10.1137/09077761
[35] S.Yan，图嵌入与扩展：降维的一般框架，IEEE模式分析与机器智能学报，1，40（2007）·doi:10.1109/TPAMI.2007.250598
[36] W.Zhao，《人脸识别：文献综述》，ACM Computing Surveys，4399（2003）·doi:10.1145/954339.954342
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。