文献

J-GLOBAL ID：201702226553102012   整理番号：17A0472998

顔認識のためのBi重み付きロバスト行列回帰【Powered by NICT】

Bi-weighted robust matrix regression for face recognition

著者 (5件)： Xie Jianchun (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Xie Jianchun (School of Science, Nanjing University of Science and Technology, Nanjing, China) ,  Yang Jian (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Qian Jianjun (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Luo Lei (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 375-387  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 回帰解析に基づく分類法は,顔認識分野で大きい関心を集めている。しかし,部分オクルージョンや照明を扱うまだ最も挑戦的な問題の一つである。最も現在の方法では,画像はベクターに延伸する必要があり,各ピクセルは独立して発生すると仮定し,これは誤差画像の画素間の依存性を無視している。すなわち,これらの方法は連続閉塞による画像の構造情報を考慮またはモデリングにおける偽装しなかった。本論文では,特異値の非凸関数は,画像データの低ランク構造を良く記述できることが分かった。この事実のおかげで,著者らは構造的雑音を用いる顔認識のための倍重みつきロバストマトリックス回帰(BWMR)モデルにおける特異値の非凸関数は,正則化としての使用を提案した。乗算器(ADMM)の交互方向法を,提案したモデルを解くことに適用した。実験結果は構造誤差を取り扱うとき,提案方法は最先端の方法よりもよりロバストで有効であることを実証した。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： オクルージョン ,  乗算器 ,  閉塞 ,  *ロバスト性 ,  画像 ,  モデリング ,  回帰分析 ,  ベクター ,  正則化 ,  画素 ,  凸関数
準シソーラス用語： 画像データ ,  特異値 ,  分類法 ,  *顔認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： 顔認識 ,  低ランク ,  ADMM ,  マトリックス回帰 ,  構造誤差

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 顔認識 ,  Bi ,  ロバスト ,  行列