Face recognition with a small occluded training set using spatial and statistical pooling

اکلوژن یکی از سخت ترین مشکلات تشخیص چهره است. مشکل دو طرفه اکلوژن یک مورد بسیار چالش برانگیز است که انسداد در هر دو آموزش و تست تصاویر ممکن است رخ دهد. تشخیص چهره قوی در برابر انسداد بستگی به داده های آموزش گسترده ای دارد که می تواند در بسیاری از سناریوهای واقع بینانه گران باشد یا غیر ممکن باشد. در این مقاله، هدف ما برای حل مسئله دو طرفه با مقدار محدود داده های آموزشی با استفاده از چارچوب یکپارچه به نام توزیع زیر کلاس است. یک تصویر چهره بر اساس مکان های مکانی آن به زیر کلاس های مرتب تقسیم می شود. ما پیشنهاد یک طرح حداکثر فازی فازی برای سرکوب ویژگی های غیر قابل اعتماد محلی از مناطق بسته است. میانگین تلفیقی نهایی می تواند نیرویی را به طور خودکار بر اساس هر زیرمجموعه افزایش دهد. روش ما بر اساس دو معیار تشخیص چهره ارزیابی می شود. نتایج تجربی نشان می دهد که روش ما منجر به حاشیه قابل توجهی از افزایش عملکرد بر روی تکنیک های معیار می شود.