快速局部协同表示分类器及其在人脸识别中的应用
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别.首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类.该方法利用样本的局部相似性,使识别率得到了一定的提升.同时该方法无需样本重构,求解复杂度大幅度降低.在AR和CMU PIE数据集上的实验结果表明,所提方法的时间复杂度极大幅度优于CRC,且在各种光照、表情、角度等状态下其识别率均高于现有其他相关算法.
人脸识别;线性回归;协同表示;流形学习
48
TP183(自动化基础理论)
国家自然科学基金;南京晓庄学院校级科研项目
2021-09-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
208-215