文献

J-GLOBAL ID：201802273922878988   整理番号：18A0337955

特異値分解に基づく試料多様性と顔認識のための適応型重み付きフュージョン【Powered by NICT】

Singular value decomposition based sample diversity and adaptive weighted fusion for face recognition

著者 (6件)： Zhang Guiying (College of Computer Science and Technology, Guizhou University, Guiyang, China) ,  Zhang Guiying (Department of Medical Information Engineering, Zunyi Medical University, Zunyi, China) ,  Zou Wenbin (Shenzhen Key Lab of Advanced Telecommunication and Information Processing, College of Information Engineering, Shenzhen University, Shenzhen, China) ,  Zhang Xianjie (Department of Medical Information Engineering, Zunyi Medical University, Zunyi, China) ,  Hu Xuefeng (The Key Lab of Integrated Microsystems, Peking University, Shenzhen Graduate School, Shenzhen, China) ,  Zhao Yong (The Key Lab of Integrated Microsystems, Peking University, Shenzhen Graduate School, Shenzhen, China)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 62  ページ： 150-156  発行年： 2017年 
JST資料番号： W1600A  ISSN： 1051-2004  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： 顔認識の性能とロバスト性は,モデル訓練に用いたデータ試料により主に決定された。顔のより代表的な試料を得るために,本論文では右特異ベクトルと同様に訓練サンプルの各クラスのための特異値分解(SVD)による左特異ベクトルから二群仮想の試料を得るために新しいアプローチを提案した。生成された仮想画像だけでなく,訓練サンプルを,面のより代表的な情報を取得できるので,顔認識のより高い精度を達成した。さらに,スコアの三群,元の試料と二群仮想サンプルを含むの人手介入無しに行う適応重みを自動的に決定する簡単で効果的な方法を提案した。重み付きスコア融合方式は,複数汚染源からより多くの補助的情報を提供し,顔認識においてより優れた性能を得ることができた。三つのベンチマークデータセット上での実験を行い,提案した方法はロバストであり,以前の方法と比較して顔認識のためのより良い精度が得られることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 汚染源 ,  *特異値分解 ,  画像 ,  ロバスト性
準シソーラス用語： スコア ,  特異ベクトル , 【Automatic Indexing@JST】

著者キーワード (5件)： 適応量融合 ,  仮想サンプル ,  特異値分解(SVD) ,  顔認識 ,  協調表現

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 (4件)： 特異値分解 ,  試料 ,  多様性 ,  顔認識