计算机科学
計算機科學
계산궤과학
Computer Science
2015年
8期
48-51,85
,共5页
稀疏表示分类%局部稀疏表示分类%稀疏系数%相似性%人脸识别
稀疏錶示分類%跼部稀疏錶示分類%稀疏繫數%相似性%人臉識彆
희소표시분류%국부희소표시분류%희소계수%상사성%인검식별
Sparse representation based classification(SRC)%Local SRC(LSRC)%Sparse coefficients%Similarity%Face recognition
近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注.原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时.为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法.该方法针对每个测试样本,根据测试样本和训练样本稀疏系数之间的相似性来选择部分训练样本,由这些训练样本组成字典,然后在这个字典上对测试样本进行稀疏分解.该方法性能相比于原始LSRC方法更稳定.在ORL、Yale和AR人脸库上的实验结果表明,该方法的效果优于SRC和LSRC.
近年來,稀疏錶示分類(Sparse Representation Based Classification,SRC)方法在人臉識彆中受到越來越多的關註.原始SRC方法使用所有的訓練樣本組成字典矩陣,噹訓練樣本比較多時,稀疏繫數的求解會變得非常耗時.為瞭解決這一問題,提齣一種新的跼部稀疏錶示分類(Local SRC,LSRC)方法.該方法針對每箇測試樣本,根據測試樣本和訓練樣本稀疏繫數之間的相似性來選擇部分訓練樣本,由這些訓練樣本組成字典,然後在這箇字典上對測試樣本進行稀疏分解.該方法性能相比于原始LSRC方法更穩定.在ORL、Yale和AR人臉庫上的實驗結果錶明,該方法的效果優于SRC和LSRC.
근년래,희소표시분류(Sparse Representation Based Classification,SRC)방법재인검식별중수도월래월다적관주.원시SRC방법사용소유적훈련양본조성자전구진,당훈련양본비교다시,희소계수적구해회변득비상모시.위료해결저일문제,제출일충신적국부희소표시분류(Local SRC,LSRC)방법.해방법침대매개측시양본,근거측시양본화훈련양본희소계수지간적상사성래선택부분훈련양본,유저사훈련양본조성자전,연후재저개자전상대측시양본진행희소분해.해방법성능상비우원시LSRC방법경은정.재ORL、Yale화AR인검고상적실험결과표명,해방법적효과우우SRC화LSRC.
