基于双稀疏正则的图像集距离学习

• 作者: 于剑 刘博 景丽萍
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 图像集分类 稀疏表示 距离学习 流形学习 子空间学习
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2113-2125
• 页数: 13页
• 分类号: TP181
• 字数: 8097字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005135

摘要

随着视频采集和网络传输技术的快速发展以及个人移动终端设备的广泛使用,大量图像数据以集合形式存在.集合内在结构的复杂性使得如何度量集合间距离成为图像集分类的一个关键问题.为了解决这一问题,提出了一种基于双稀疏正则的图像集距离学习框架(double sparse regularizations for image set distance learning,简称DSRID).在该框架中,两集合间距离被建模成其对应的内部典型子结构间的距离,从而保证了度量的鲁棒性和判别性.根据不同的集合表示方法,给出了其在传统的欧式空间以及两个常见的流形空间,即对称正定矩阵流形(symmetric positive definite matrices manifold,简称SPD manifold)和格林斯曼流形(Grassmann manifold)上的实现.在一系列的基于集合的人脸识别、动作识别和物体分类任务中验证了该框架的有效性.