文献

J-GLOBAL ID：201802265670006834   整理番号：18A0186224

低分解能顔認識のための二次元線形判別分析【Powered by NICT】

Two-dimensional Linear discriminant analysis for low-resolution face recognition

著者 (4件)： Zhao Di (School of Control Science & Engineering, Shandong University, Jinan, China) ,  Chen Zhenxue (School of Control Science & Engineering, Shandong University, Jinan, China) ,  Liu Chengyun (School of Control Science & Engineering, Shandong University, Jinan, China) ,  Peng Yanan (School of Control Science & Engineering, Shandong University, Jinan, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAC  ページ： 703-707  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 低分解能(LR)は,実世界における挑戦的な問題である。低分解能顔認識(LRFR)のための良好な性能を得るために,本論文では,二次元線形判別分析(2D LDA)とメトリック学習法に基づく高分解能(HR)画像を用いた低解像度画像マッチングのための新しいアプローチを採用した。LRとHR画像をそれらの間の最も識別力のある情報が保存される二次元LDA法による共用空間に変換した。また,その行列表現のために,空間情報問題の特異性と損失を克服する。認識性能をさらに改善するため,計量学習法は,leave-one-out(LOO)分類精度を最大化することを目的とした近傍成分分析(NCA)に基づいて使用した。広範囲分解能のORLデータベース上での実験を行い,提案した方法の有用性を例示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： データベース ,  *二次元 ,  画像 ,  学習 ,  高分解能 ,  *分解能
準シソーラス用語： 成分分析 ,  分類精度 ,  特異性 ,  空間情報 ,  画像マッチング ,  メトリック学習 ,  *線形判別分析 ,  *低分解能 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 低分解能 ,  顔認識 ,  線形判別分析