文献

J-GLOBAL ID：201802271981687067   整理番号：18A0937192

ロバストな単一サンプル顔認識のための判別多様体フィルタによる二値化特徴【JST・京大機械翻訳】

Binarized features with discriminant manifold filters for robust single-sample face recognition

著者 (12件)： Zhang Wanping (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Zhang Wanping (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China) ,  Xu Zhen (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Xu Zhen (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China) ,  Wang Yichuan (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Wang Yichuan (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China) ,  Lu Zongqing (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Lu Zongqing (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China) ,  Li Weifeng (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Li Weifeng (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China) ,  Liao Qingmin (Department of Electronic Engineering/Graduate School at Shenzhen, Tsinghua University, China) ,  Liao Qingmin (Shenzhen Key Laboratory of Information Science and Technology, Shenzhen, China)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 65  ページ： 1-10  発行年： 2018年 
JST資料番号： T0844A  ISSN： 0923-5965  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： 多くの一般的な顔認識法は,人物当たりの複数のサンプルが特徴抽出の訓練段階に対して利用可能である場合に優れている。しかしながら,多くの実際的応用において,各人に対するシステムで記録された単一サンプルのみがあり,従来の方法のほとんどは,通常,判別学習のためにより多くのサンプルを必要とするので,非常に良く機能しない。この問題に対処するために,本論文では,判別多様体学習と二値符号化によりヒントを得た,局所ヒストグラムに基づく顔画像記述子を構築するための新しい方法を提案した。多様体学習手順において,各画像をいくつかの非重複パッチに分割し,異なる人の多様体マージンを最大化するために,これらのパッチを最適部分空間上に投影するための行列を見出すことを試みた。次に,マトリックスの各カラムを画像フィルタに再構成し,顔画像を処理し,これらのフィルタに対応する応答をしきい値処理により二値化した。従って,各画素に対して,長さがちょうどフィルタの数である二値符号を得ることができる。最後に,ピクセルの二値符号の領域ごとのヒストグラムを計算し,認識のための顔画像の表現を形成するためにそれらを連結する。顔認識における提案方法の有効性を実証するために,拡張Yale-B,AR,FERETおよびLFWデータベースに関するいくつかの実験を行った。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ロバスト性 ,  データベース ,  ヒストグラム ,  *フィルタ ,  画像 ,  *多様体 ,  学習 ,  顔画像 ,  画素 ,  特徴抽出
準シソーラス用語： 閾値処理 ,  部分空間 ,  バイナリコード ,  多様体学習 ,  *二値化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 顔認識 ,  判別多様体フィルタ ,  局所パターン ,  個人の単一訓練サンプル

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 (6件)： ロバスト ,  サンプル ,  顔認識 ,  判別 ,  多様体 ,  二値化