亳州信息网
美食
当前位置:首页 > 美食

更快更精确的人脸识别方法ECAI2016

发布时间:2019-08-15 00:48:05 编辑:笔名

更快,更精确的人脸识别方法(ECAI 2016论文精选)| AI科技评论

导读:ECAI 2016是欧洲展示AI科学成果的最佳场所,大会为研究人员提供了很好的机会,去介绍和听取当代最优秀的人工智能研究成果。

人脸识别的随机典型相关判别分析(Randomized Canonical Correlation Discriminant Analysis for Face Recognition)

摘要:典型相关分析(CCA)作为多元统计分析中的一大重要技术,已广泛应用于脸部识别。但是现存基于CCA的脸部识别方法需要相同脸部脸样本的两种表达,而且在处理大样本时,通常会受到较高的计算复杂度困扰。在本文中,我们提出了一种监督的方法,称为随机典型相关判别分析(RCCDA),它基于随机非线性典型相关分析(RCCA)以弥补基于CCA脸部识别方法的不足。我们首先获得基本向量大概的随机特征,而不是计算核心矩阵来提高计算的效率,然后,我们使用这些基础向量来计算随机最优判别特征,它可以减少人脸特征的维数,同时尽可能多的保留歧视性信息。扩展Yale B,AR,ORL和FERET脸部数据库的实验结果显示,我们方法的性能与一些最好的算相比法也毫不逊色。

第一作者简介Bo Ma

任职:中国计算机学会会员

,IEEE会员,北京理工大学计算机学院副教授,博士生导师

研究方向:机器学习、图像处理、计算机视觉、模式识别、信息融合。近期的研究重点包括图像目标跟踪、压缩感知、图像分类、基于变分法的图像处理等。

相关学术论文:

·“Linearization to Nonlinear Learning for Visual Tracking”(ICCV2015)

·“Discriminative Visual Tracking Using Tensor Pooling”(2015)

文章总结及应用场景本文中,提出了一种有效的人脸识别方法-RCCDA。我们的方法提取局部特征,然后采用RCCDA减少维度并将局部特征映射到一个最佳的判别空间。该方法的主要优点是RCCDA保留尽可能多的歧视性信息,而且通过随机方法大大加快计算速度。扩展Yale B,AR,ORL和FERET脸部数据库的实验结果显示,我们方法的性能与一些最好的算相比法也毫不逊色。

提出的RCCDA作为一种有效的特征提取方法,也可以用于其他识别任务,如视觉跟踪,图像检索与图像分类。对于这些任务,特征提取过程都可以用我们的方法取代。只需要少量的训练样本,就可以有效地获得必要的区分信息。我们未来的工作将专注于应用所提出的方法到其它的识别问题中,并优化局部特征组合,核心函数和其RCCDA编码方法。

via:ECAI 2016

PS : 本文由(公众号:)独家编译,未经许可拒绝转载!

原论文下载

原创文章,未经授权禁止转载。详情见转载须知。


治疗癫痫病黑龙江哪个医院好
丹东癫痫病哪家看的
亳州去哪家医院治癫痫病
舟山治疗癫痫病研究院哪家好
临沂癫痫病看的的医院