×

稀疏保持鉴别投影及其在人脸识别中的应用。 (英语) 兹比尔1400.94029

摘要:降维对于理解高维数据中隐藏的内在结构至关重要。近年来,稀疏表示模型在维数约简中得到了广泛的应用。本文提出了一种新的监督学习方法,称为稀疏保持鉴别投影(SPDP)。SPDP是流形学习和稀疏表示的结合体,它试图保持数据的稀疏表示结构,同时最大化类间可分性。具体来说,SPDP首先通过逐类PCA分解创建级联字典,并使用最小二乘法学习所构建字典下每个样本的稀疏表示结构。其次,定义了局部类间可分性函数来表征样本在不同子流形中的分散性。然后,SPDP将学习到的稀疏表示信息与局部类间关系相结合,构造一个判别函数。最后,将该方法转化为广义特征值问题。在几个流行人脸数据库上的大量实验结果证明了该方法的可行性和有效性。

MSC公司:

94A08型 信息与通信理论中的图像处理(压缩、重建等)
68吨10 模式识别、语音识别
第68页第45页 机器视觉和场景理解
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 古普塔,S。;Girshick,R。;阿贝雷斯,P。;Malik,J.,《从RGB-D图像中学习丰富的特征以进行目标检测和分割》,计算机视觉-ECCV 2014,345-360,(2014),Springer·数字对象标识代码:10.1007/978-3-319-10584-023
[2] 赵伟。;Chellappa,R。;Phillips,P.J。;Rosenfeld,A.,《面部识别:文献调查》,ACM计算调查(CSUR),35,4,399-458,(2003)·doi:10.1145/954339.954342
[3] 张伟。;唐,X。;Yoshida,T.,TESC:使用半监督聚类的TExt分类方法,基于知识的系统,75,152-160,(2015)·doi:10.1016/j.knosys.2014.11.028
[4] X.赵。;李,X。;Zhang,Z.,通过深度学习进行多媒体检索,IEEE Signal Processing Letters,22,9,1487-1491,(2015)·doi:10.1109/lsp.2015.2410134
[5] Li,C.-H。;Ho,H.-H。;郭,B.-C。;Taur,J.-S。;Chu,H.-S。;Wang,M.-S.,基于监督和模糊线性判别分析的高光谱图像分类半监督特征提取,应用数学与信息科学,9,1,81-87,(2015)·doi:10.12785/amis/091l10
[6] 张,D。;丁·D。;李,J。;Liu,Q.,使用快速傅里叶变换提取基于Pca的面部表情识别特征,《工程技术学报》,413-424,(2015),荷兰阿姆斯特丹:斯普林格,阿姆斯特丹,荷兰·doi:10.1007/978-94-017-9588-3_31
[7] Kalina,J.,高维遗传数据的分类方法,生物遗传学和生物医学工程,34,1,10-18,(2014)·doi:10.1016/j.bbe.2013.09.007
[8] 尚,F。;焦立中。;史J。;Chai,J.,稳健正半定l-isomap系综,模式识别字母,32,4,640-649,(2011)·doi:10.1016/j.patrec.2010.12.005
[9] Jolliffe,I.T.,主成分分析,(2002),威利在线图书馆·Zbl 1011.62064号
[10] Fukunaga,K.,《统计模式识别导论》(2013),学术出版社
[11] Schölkopf,B。;Smola,A。;Müller,K.-R.,作为核特征值问题的非线性分量分析,神经计算,10,5,1299-1319,(1998)·doi:10.1162/08997669830017467
[12] 杨,J。;Frangi,A.F。;Yang,J.-Y。;张,D。;Jin,Z.,KPCA plus LDA:用于特征提取和识别的完整核fisher判别框架,IEEE模式分析和机器智能汇刊,27,2,230-244,(2005)·doi:10.10109/tpami.2005.33
[13] Belhumeur,P.N。;赫斯帕尼亚,J.P。;Kriegman,D.J.,《特征脸与渔夫脸:使用类特定线性投影的识别》,IEEE模式分析与机器智能学报,19,7,711-720,(1997)·doi:10.1109/34.598228
[14] Wright,J。;Yang,A.Y。;Ganesh,A。;Sastry,S.S。;Ma,Y.,通过稀疏表示的鲁棒人脸识别,IEEE模式分析和机器智能汇刊,31,22110-227,(2009)·doi:10.1109/tpami.2008.79
[15] 巴斯里(Basri),R。;Jacobs,D.W.,Lambertian反射率和线性子空间,IEEE模式分析和机器智能汇刊,25,2,218-233,(2003)·doi:10.1109/TPAMI.2003.1177153
[16] Tenenbaum,J.B。;德席尔瓦,V。;Langford,J.C.,《非线性降维的全球几何框架》,《科学》,290,5500,2319-2323,(2000)·doi:10.1126/science.290.5500.2319
[17] 贝尔金,M。;Niyogi,P.,用于降维和数据表示的拉普拉斯特征映射,神经计算,15,6,1373-1396,(2003)·Zbl 1085.68119号 ·doi:10.1162/089976603321780317
[18] Roweis,S.T。;Saul,L.K.,局部线性嵌入的非线性降维,《科学》,290,5500,2323-2326,(2000)·doi:10.1126/science.290.5500.2323
[19] Yan,S。;徐,D。;张,B。;Zhang,H.-J.,图嵌入:降维的一般框架,IEEE计算机学会计算机视觉和模式识别会议论文集(CVPR'05),IEEE·doi:10.1109/cvpr.2005.170
[20] 蔡,D。;何,X。;Han,J.,等距投影,第22届全国人工智能会议论文集(AAAI’07),AAAI出版社
[21] Niyogi,X.,局部保留投影,神经信息处理系统,16153-160,(2004),麻省理工学院
[22] 何,X。;蔡,D。;Yan,S。;张海杰,邻里保护嵌入,第十届IEEE国际计算机视觉会议论文集(ICCV’05),IEEE
[23] 张,T。;陶,D。;Yang,J.,《判别位置对齐》,计算机视觉-ECCV 2008,725-738,(2008),Springer
[24] Fu,Y。;曹,L。;郭,G。;Huang,T.S.,基于子空间学习的多特征融合,基于内容的图像和视频检索国际会议论文集(CIVR’08),ACM·doi:10.1145/1386352.1386373
[25] 邵,M。;套件,D。;Fu,Y.,通过低阶约束的广义转移子空间学习,国际计算机视觉杂志,109,1-2,74-93,(2014)·Zbl 1328.68250号 ·doi:10.1007/s11263-014-0696-6
[26] 桂,J。;贾伟。;朱,L。;王,S.-L。;Huang,D.-S.,用于人脸和掌纹识别的位置保持判别投影,神经计算,73,13,2696-2707,(2010)·doi:10.1016/j.neucom.201004.017
[27] 张,L。;杨,M。;Feng,X.,稀疏表示或协作表示:哪一种有助于人脸识别?,IEEE计算机视觉国际会议(ICCV’11)会议记录·doi:10.1109/iccv.2011.6126277
[28] 杨,M。;张,L。;杨,J。;张,D.,用于人脸识别的鲁棒稀疏编码,IEEE计算机视觉和模式识别会议论文集(CVPR’11),IEEE·doi:10.1109/cvpr.2011.5995393
[29] 张,X。;Pham,D。;Venkatesh,S。;刘伟。;Phung,D.,多视角人脸识别的混合形式稀疏表示,模式识别,48,9,2935-2946,(2015)·doi:10.1016/j.patcog.2015.02.022
[30] 杨,J。;朱,D。;张,L。;Xu,Y。;Yang,J.,稀疏表示分类器指导判别投影在人脸识别中的应用,IEEE神经网络和学习系统汇刊,24,7,1023-1035,(2013)·doi:10.1109/TNNLS.2013.2249088
[31] Shrivastava,A。;帕特尔,V.M。;Chellappa,R.,稀疏表示分类的多核学习,IEEE图像处理学报,23,7,3013-3024,(2014)·Zbl 1381.62194号 ·doi:10.1109/TIP.2014.2324290
[32] 桂,J。;陶,D。;Sun,Z。;罗,Y。;你,X。;Tang,Y.Y.,用于图像分类的具有视图一致性的组稀疏多视图补丁对齐框架,IEEE图像处理汇刊,23,7,3126-3137,(2014)·Zbl 1374.94128号 ·doi:10.1109/TIP.2014.2326001
[33] 杨,J。;Yu,K。;龚,Y。;Huang,T.,使用稀疏编码进行图像分类的线性空间金字塔匹配,IEEE计算机视觉和模式识别会议论文集(CVPR'09),IEEE·doi:10.1109/cvprw.2009.5206757
[34] 张,S。;周,H。;江,F。;Li,X.,使用结构随机投影和加权最小二乘的鲁棒视觉跟踪,IEEE视频技术电路和系统汇刊,25,11,1749-1760,(2015)·doi:10.1109/TCSVT.2015.2406194
[35] 张,S。;姚,H。;太阳,X。;Lu,X.,基于稀疏编码的视觉跟踪:回顾和实验比较,模式识别,46,7,1772-1788,(2013)·doi:10.1016/j.patcog.2012.10.06
[36] Dong,W。;张,L。;Shi,G。;Li,X.,用于图像恢复的非局部集中稀疏表示,IEEE图像处理汇刊,22,4,1620-1630,(2013)·Zbl 1373.94104号 ·doi:10.10109/TIP.2012.2235847
[37] Dong,W。;Shi,G。;Li,X.,带双边方差估计的非局部图像恢复:低阶方法,IEEE图像处理汇刊,22,2,700-711,(2013)·Zbl 1373.94102号 ·doi:10.1109/TIP.2012.2221729
[38] 韩,Y。;Wu,F。;陶,D。;邵,J。;庄,Y。;Jiang,J.,多视图数据的稀疏无监督降维,IEEE视频技术电路和系统汇刊,22,10,1485-1496,(2012)·doi:10.1109/TCSVT.2012.2202075
[39] 乔·L。;陈,S。;Tan,X.,稀疏保持投影及其在人脸识别中的应用,模式识别,43,1,331-341,(2010)·兹比尔1186.68421 ·doi:10.1016/j.patcog.2009.05.005
[40] 乔·L。;陈,S。;Tan,X.,用于单训练图像人脸识别的稀疏性保留判别分析,模式识别字母,31,5422-429,(2010)·doi:10.1016/j.parec.2000.11.005
[41] 臧,F。;Zhang,J.,基于稀疏表示的分类判别学习,神经计算,74,12-13,2176-2183,(2011)·doi:10.1016/j.neucom.2011.02.012
[42] Lai,Z。;Xu,Y。;杨,J。;Tang,J。;Zhang,D.,稀疏张量判别分析,IEEE图像处理汇刊,22,10,3904-3915,(2013)·Zbl 1373.94218号 ·doi:10.1109/tip.2013.2264678
[43] 关,N。;陶,D。;罗,Z。;Shawe-Taylor,J.,MahNMF:曼哈顿非负矩阵分解
[44] Fu,Y。;刘,M。;Huang,T.S.,单位超球面上局部图形建模的保角嵌入分析,IEEE计算机视觉和模式识别会议论文集(CVPR’07)·doi:10.1109/cvpr.2007.383410
[45] 卢·S。;张,G。;潘,H。;王强,小样本问题的监督拉普拉斯判别分析及其在人脸识别中的应用,《计算机研究与发展杂志》,49,8,文章0201730-1737,(2012)
[46] 萨马利亚,F.S。;Harter,A.C.,人脸识别随机模型的参数化,第二届IEEE计算机视觉应用研讨会论文集,IEEE
[47] 西姆·T。;贝克,S。;Bsat,M.,The cmu pose,illumination,and expression(pie)database,第五届IEEE自动人脸和手势识别国际会议论文集,IEEE·doi:10.10109/afgr.2002.1004130
[48] Donoho,D.L.,压缩感知,IEEE信息理论汇刊,52,4,1289-1306,(2006)·兹比尔1288.94016 ·doi:10.1109/tit.2006.871582
[49] Baraniuk,R.G。;Cevher,V。;杜阿尔特,M.F。;Hegde,C.,基于模型的压缩传感,IEEE信息理论汇刊,56,4,1982-2001,(2010)·Zbl 1366.94215号 ·doi:10.1109/tit.2010.2040894
[50] Golub,G.H。;Van Loan,C.F.,矩阵计算,3,(2012),JHU出版社
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。