|
|
1.
无监督局部特征学习的鲁棒性人脸识别
冯姝
计算机应用
2017, 37 (2):
512-516.
DOI: 10.11772/j.issn.1001-9081.2017.02.0512
特征表示是人脸识别的关键问题，由于人脸图像在拍摄过程中受光照、遮挡、姿势等因素的影响，如何提取鲁棒的图像特征成了研究的重点。受卷积网络框架的启发，结合
K-means算法在卷积滤波器学习中所具有的效果稳定、收敛速度快等优点，提出了一种简单有效的人脸识别方法，主要包含三个部分：卷积滤波器学习、非线性处理和空间平均值池化。具体而言，首先在训练图像中提取局部图像块，预处理后，使用
K-means算法快速学习滤波器，每个滤波器与图像进行卷积运算；然后通过双曲正切函数对卷积图像进行非线性变换；最后利用空间平均值池化对图像特征进行去噪和降维。分类阶段仅采用简单的线性回归分类器。在AR和ExtendedYaleB数据集上的评估实验结果表明所提方法虽然简单却非常有效，而且对光照和遮挡表现出了强鲁棒性。
参考文献 |
相关文章 |
多维度评价
|
|
