基于虚拟样本的加权稀疏表示人脸识别研究

• 作者: 武和雷 武圣 项晓丽 龙伟
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 人脸识别 小样本问题 虚拟训练样本 高斯核距离 加权的训练样本集 相似性关系
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 488-492
• 页数: 5页
• 分类号: TP391.41
• 字数: 4728字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.151144

摘要

实际的人脸识别系统常常会面临小样本问题,为了提高在小样本情况下人脸识别的分类正确率,提出一种基于虚拟样本的高斯加权稀疏表示的人脸识别方法.该方法首先利用人脸的对称性来构造虚拟训练样本,扩充训练样本集;然后,对每个测试样本,利用高斯核距离度量该测试样本和各个训练样本的相似性关系,并将该高斯核距离作为训练样本的权值来形成加权的训练样本集;最后,利用稀疏表示方法进行人脸的识别分类.实验结果比较分析表明,该方法在小样本情况下可以获得更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武和雷	南昌大学信息工程学院	42	322	9.0	17.0
2	龙伟	南昌大学信息工程学院	63	224	8.0	11.0
3	项晓丽	南昌大学信息工程学院	5	11	2.0	3.0
4	武圣	山东大学软件学院	4	10	2.0	3.0