Multiple representation based sample diversity for face recognition

نمایندگی مناسب نقش مهمی را در زمینه های شناخت الگو ایفا می کند، نمایش مؤثر یک تصویر باعث می شود که آن را از تصاویری از کلاس های دیگر متمایزتر و دقت طبقه بندی را بهبود بخشد. در این مقاله، برای به دست آوردن تصویر مناسب از چهره، ما یک روش جدید برای نشان دادن یک نمونه اولیه پیشنهاد می کنیم. ما تصویر اصلی را به تعدادی از بلوک های غیر همپوشانی تقسیم می کنیم و عملیات خاصی برای هر بلوک اعمال می شود، سپس تمام بلوک های اصلاح شده ادغام شده و نمای جدیدی از نمونه اولیه به دست می آید. علاوه بر این، ما نمونه های اصلی و نمایه های بلوک مربوطه آن را ادغام می کنیم که اطلاعات محلی بیشتری از تصاویر را فراهم می کنند و اجازه می دهد دقت بیشتری به دست می آید. آزمایش های گسترده نشان می دهد که روش پیشنهادی ما قوی است و دقت بیشتری را برای تشخیص چهره در مقایسه با روش های قبلی به دست می آورد.