無(wú)約束人臉識(shí)別方法_第1頁(yè)
無(wú)約束人臉識(shí)別方法_第2頁(yè)
無(wú)約束人臉識(shí)別方法_第3頁(yè)
無(wú)約束人臉識(shí)別方法_第4頁(yè)
無(wú)約束人臉識(shí)別方法_第5頁(yè)
已閱讀5頁(yè),還剩10頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

小組成員:無(wú)約束人臉識(shí)別方法無(wú)約束人臉識(shí)別的任務(wù)檢測(cè)并提取人臉區(qū)域?qū)θ四槄^(qū)域進(jìn)行預(yù)處理提取人臉特征在數(shù)據(jù)庫(kù)或模型中匹配識(shí)別傳統(tǒng)方法基于全局特征的方法Eigenface,Fisherface…基于局部特征的方法幾何特征,Gabor,LBP,基于模型基于神經(jīng)網(wǎng)絡(luò)的方法基于SVM的方法光照年齡姿態(tài)表情遮擋……影響人臉識(shí)別的新發(fā)展近年來(lái),基于度量學(xué)習(xí)的人臉識(shí)別方法逐漸成為人臉識(shí)別領(lǐng)域中的研究熱點(diǎn),不斷有新的方法提出。LDMLMatthieuGuillaumin等@2009ICCV識(shí)別率:79.27%CSMLHieuV.Nguyen等@2010ACCV識(shí)別率:88.00%PMMLZhenCui等@2013CVPR識(shí)別率:89.35%DDMLJunlinHu等@2014CVPR識(shí)別率:90.68%新方法介紹:2013IEEEConferenceonComputerVisionandPatternRecognitionFusingRobustFaceRegionDescriptorsviaMultipleMetricLearningforFaceRecognitionintheWild[ZhenCui,WenLi,DongXu,ShiguangShan,XilinChen]提出了一種新的特征描述子(SFRD/STFRD)提出了一種成對(duì)約束多度量學(xué)習(xí)方法(PMML)在LFW,YTF這兩個(gè)數(shù)據(jù)集上是當(dāng)時(shí)最好的方法方法流程圖獲得人臉圖像將人臉圖像分區(qū)域抽取塊特征提取PMML方法提取特征非負(fù)稀疏編碼

用k-means聚類學(xué)習(xí)得到一個(gè)過(guò)完備的視覺(jué)詞典D。把所有的樣本塊p作為稀疏編碼的輸入,得到他們的編碼c。Sumpooling

第k個(gè)區(qū)域的TF特征可以通過(guò)下式得到提取特征白化PCA

我們把所有訓(xùn)練圖像的第k個(gè)區(qū)域的TF特征的協(xié)方差矩陣記作.協(xié)方差矩陣的特征分解為

白化PCA就是取前m個(gè)最大的特征值組成,目的是為了降低特征的維數(shù)。(m<M)

為第k個(gè)區(qū)域的SFRD/STFRDPMML度量學(xué)習(xí)一對(duì)訓(xùn)練樣本之間的距離定義為:Informationtheoreticmetriclearning采用theLogDetdivergencePMML則我們要求解的問(wèn)題就轉(zhuǎn)化為:它的優(yōu)點(diǎn)在于聯(lián)合地學(xué)習(xí)了每個(gè)區(qū)域的,隱含了全局的信息。實(shí)驗(yàn)結(jié)果DDML

實(shí)驗(yàn)結(jié)果DDML算法在LFW和YTF上都表現(xiàn)了很好的性能。總結(jié)新方

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論