کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6958447 1451942 2016 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Couple manifold discriminant analysis with bipartite graph embedding for low-resolution face recognition
ترجمه فارسی عنوان
تجزیه و تحلیل متمایز زن و شوهر با استفاده از گراف دو طرفه برای تشخیص چهره با وضوح پایین
کلمات کلیدی
طبقه بندی سیگنال، وضوح کم، تشخیص چهره، یادگیری چند مفهوم زوج،
ترجمه چکیده
این مقاله مختصر یک روش جدید برای تشخیص چهره با وضوح پایین ارائه می دهد. ما یک گراف دو طرفه تعمیم یافته را به صورت جداگانه تقریبی ساختار منیفولد پایه مجموعه های صورت با قطعنامه های مختلف را معرفی می کنیم. بر خلاف روش های متداول مبتنی بر گراف که فقط گراف را بر اساس یک مجموعه نمونه طراحی می کنند، روش پیشنهادی گراف دو بعدی را در دو مجموعه نمونه های ناهمگن ساخته و حاوی اطلاعات کامل تر است. روش ما چندین ترسیم را فرا می گیرد که مجموعه چهره ها را با ابعاد مختلف به یک فضای ویژگی واحد متصل می کند که به طبقه بندی عملکرد کمک می کند. به طور خاص، در این فضای متحد، روش ما، ساختار هندسی محلی داخل محفظه را با توجه به توپولوژی شبکه گراف دو طرفه تعمیم می دهد و در عین حال، جدایی بین کلاس را نیز افزایش می دهد. نتایج تجربی در دو پایگاه داده ی چهره معیار نشان دهنده اثربخشی الگوریتم پیشنهادی ما است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
This brief paper presents a novel method for low-resolution face recognition. We introduce a generalized bipartite graph to discretely approximate the underlying manifold structure of face sets with different resolutions. Unlike traditional graph-based methods that only construct the graph based on one sample set, the proposed method constructs the generalized bipartite graph on two heterogeneous sample sets and contains more completed information. Our method learns a couple of mappings that project the face sets with different dimensions into a unified feature space which favors the task of classification. Specifically, in this unified space, our method preserves within-class local geometrical structure according to the network topology of the generalized bipartite graph and maximizes between-class separability at the same time. Experimental results on two benchmark face databases demonstrate the effectiveness of our proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Signal Processing - Volume 125, August 2016, Pages 329-335
نویسندگان
, ,