基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于虚拟样本的协同表示人脸识别算法
人脸识别
协同表示
虚拟样本
稀疏表示人脸识别的关键问题分析
人脸识别
压缩感知
稀疏表示
鲁棒性
基于流形的局部加权协从表示人脸识别
局部加权
协从表示
流形投影
人脸识别
计算机视觉
基于l2-范数重构样本约束的稀疏表示人脸识别方法
稀疏表示
人脸识别
联合表示
重构样本
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于虚拟样本的加权稀疏表示人脸识别研究
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (6)
参考文献  (11)
节点文献
引证文献  (1)
同被引文献  (10)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制工程
月刊
1671-7848
21-1476/TP
大16开
沈阳东北大学310信箱
8-216
1994
chi
出版文献量(篇)
5468
总下载数(次)
9
论文1v1指导