文献

J-GLOBAL ID：201702216705255535   整理番号：17A1381974

一人当たり単一試料を用いた低解像度顔認識【Powered by NICT】

Low-resolution face recognition with single sample per person

著者 (5件)： Chu Yongjie (Institute of Systems Engineering, Southeast University, Nanjing 211096, China) ,  Chu Yongjie (Department of Computer Science and Engineering, University of Nevada, Reno, 89557, NV, USA) ,  Ahmad Touqeer (Department of Computer Science and Engineering, University of Nevada, Reno, 89557, NV, USA) ,  Bebis George (Department of Computer Science and Engineering, University of Nevada, Reno, 89557, NV, USA) ,  Zhao Lindu (Institute of Systems Engineering, Southeast University, Nanjing 211096, China)
資料名： Signal Processing  (Signal Processing)
巻： 141  ページ： 144-157  発行年： 2017年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 増加低解像度(LR)顔画像の監視カメラにより捉えられるとして,LR顔認識は,近年のホット課題となっている。LR顔認識に関するこれまでの研究は,典型的には,各被験者は,複数の高分解能(HR)訓練サンプルを持っていると仮定した。しかし,一人当たりの単一HR試料のみが訓練集合で存在するこの仮定は,法 取締りのようないくつかの特別な場合には考えられない場合がある。SSPPシナリオにおけるLR顔認識のためには,しばしば過剰適合と特異行列問題に悩まされている。本論文では,一人当たりの単一試料とLR顔認識を調べた最初の,SDAに基づくクラスタベース正則化同時判別分析(C RSDA)法を提案した。C RSDAはクラスタ内およびクラスタ間散乱行列とそれぞれクラス間及びクラス内散乱行列を正則化する,クラスタ型散乱行列は,教師なしクラスタ化から計算した。クラスタベースの散乱行列を用いて,だけでなく特異性問題が解決されるが,限られた訓練試料から利用されるより変動として過剰適合問題である克服。このように,提案したC RSDAは特徴部分空間の識別能力を向上させた。制御および非制御環境の両方で捕獲されたLR顔画像を認識に及ぼすC RSDAを広範囲に評価した。有望な実験結果により,提案アプローチの有効性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 顔画像 ,  取締り ,  クラスタ化 ,  正則化 ,  判別分析 ,  高分解能 ,  *クラスタ
準シソーラス用語： 部分空間 ,  特異性 ,  被験者 ,  監視カメラ ,  *低分解能 , 【Automatic Indexing@JST】

著者キーワード (4件)： 低分解能 ,  一人当たり単一試料 ,  結合写像 ,  クラスタベースの正則化

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 試料 ,  低解像度 ,  顔認識