自适应通用学习框架在人脸识别中的应用研究

• 作者: 于延 孙惠杰 王建华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人脸识别 单训练样本每人 通用学习框架 Fisher线性判别分析
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 173-176
• 页数: 4页
• 分类号: TP391
• 字数: 4123字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.07.044

摘要

现实生活中,人脸识别系统通常必须面对单样本每人(SSPP)的问题,即在数据库中每个人只有1张训练样本.这种情况下,系统不能很好地学习训练样本的判别信息,因而许多流行的人脸识别方法将不能很好地奏效.为了解决这个问题,自适应通用学习(A GL)方法利用一个通用判别模型来更好地区分各个单训练样本,同时,采用双线性表示算法来推测类间矩与类内矩,使得FLDA可以应用于单样本人脸识别.在ORL及FERET的实验表明,与其他几种常用的方法相比较,AGL在处理单样本人脸识别问题上取得了更好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于延	哈尔滨师范大学计算机科学与信息工程学院	55	259	9.0	14.0
2	王建华	哈尔滨师范大学计算机科学与信息工程学院	92	484	11.0	15.0
3	孙惠杰	哈尔滨师范大学计算机科学与信息工程学院	10	318	7.0	10.0