کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5025501 1470587 2017 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using kernel sparse representation to perform coarse-to-fine recognition of face images
ترجمه فارسی عنوان
با استفاده از نمایندگی نزولی هسته برای به رسمیت شناختن عوارض چهره به چهره
کلمات کلیدی
00-01، 99-00، نمایندگی انحصاری، فضای ویژگی، خوب بهم زدن تشخیص تصویر،
ترجمه چکیده
ویژگی تشخیص چهره مبتنی بر فضا به جای فضای اصلی، نمایانگر و طبقه بندی تصاویر صورت در فضای ویژگی است. این روش مبتنی بر نمایه، با استفاده از تابع هسته برای حل فضای ویژگی، از روش کار در فضای اصلی برترتر است. یک روش تشخیص چهره به اندازه کافی معاصر نیز از ایده نمایندگی نادر استفاده می کند اما طبقه بندی را به دو مرحله از نامزد درشت تا طبقه بندی خوب تقسیم می کند. آنها هر دو تکنیک ارائه نازل را برای طبقه بندی تصویر اعمال می کنند، اما ما اعتقاد داریم که هنوز هم فضا برای بهبود استحکام نمایندگی نادر در این روش ها وجود دارد. ما روش جدیدی را پیشنهاد دادیم که هر دو روش را با یکدیگر هماهنگ کرده و برای طبقه بندی تصوف قوی صورت می داد. این روش همچنین شامل دو مرحله به عنوان طبقه بندی درشت و ضعیف مبتنی بر نمایه است. در مرحله اول، با این حال، کلاس های نامزد درشت در فضای ویژگی انتخاب شده توسط تابع هسته، به جای آن، که روش کلیدی مورد استفاده در روش مبتنی بر فضایی ویژگی است. و سپس در مرحله بعد، طبقه بندی خوب برای اختصاص نمونه آزمون به یک کلاس از کلاس های داوطلب انجام می شود. نتایج تجربی نشان داد که این روش یکپارچه جدید هر دو روش را بر پایه داده های داده های فیزیکی غالب می سازد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی (عمومی)
پیش نمایش مقاله
با استفاده از نمایندگی نزولی هسته برای به رسمیت شناختن عوارض چهره به چهره
چکیده انگلیسی
Feature space-based face recognition method performs representation and classification for face images in the feature space instead of the original space. This representation-based method uses kernel function to solve the feature space and therefore outperforms the method working in original space. A contemporary coarse-to-fine face recognition method also uses the idea of sparse representation but separates the classification into two stages from coarse candidate to fine classification. They both apply the sparse representation technique for image classification, but we believe that there is still space to improve the robustness of sparse representation in these methods. We proposed a novel method integrating both methods together to perform robust face image classification. This method also consists of two stages as sparse representation-based coarse-to-fine classification. In the first stage, however, the coarse candidate classes are determined in the feature space selected by the kernel function instead, which is the key technique used in the feature space-based method. And then in the next stage, fine classification is performed to assign the test sample into a class from candidate classes. The experimental results demonstrated that this novel integrated method outperforms both methods on prevailing benchmark facial datasets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Optik - International Journal for Light and Electron Optics - Volume 140, July 2017, Pages 528-535
نویسندگان
, , ,