Differentiated representation and applications to face recognition

نمایندگی انحصاری توجه زیادی را به خود جلب کرده است. نمایندگی انحرافی اغلب برای اولین بار از ترکیب خطی همه نمونه های آموزشی که می توانند به نمونه نمونه ترسیم تقریبی نزدیک باشد، استفاده می کنند و سپس نمونه تست را به کلاس منتقل می کند که نمونه های آموزشی آن حداقل مقدار کلاس را بدست می آورد. در این مقاله پیشنهاد می کنیم که تمام نمونه های آموزشی کلاس های مختلف یک نمونه آزمایشی را در یک روش رقابتی تر نشان دهند، که بیشتر برای تشخیص کلاس هایی که بیشترین نمونه را از کلاس های دیگر دارند، تشخیص داده می شود. بر اساس این ایده، ما یک روش جدید، روش نمایشی متمایز را طراحی می کنیم که با استفاده از یک روش ریاضی محرمانه برای ایجاد ضریب نمایش در یک نمونه آزمایشی تولید شده از یک کلاس کاملا مناسب سایر کلاس ها است. ما یک روش طبقه بندی جدید برای روش طراحی پیشنهاد می کنیم. برنامه های کاربردی در تشخیص چهره و طبقه بندی شیء نشان می دهد که نمایندگی متمایز بسیار امیدوار کننده است. این روش از روش های ارائه بازتولید ضعیف، نمایندگی مشترک و طبقه بندی رگرسیون خطی برتر است.