-
公开(公告)号：CN111611909A
公开(公告)日：2020-09-01
申请号：CN202010421069.7
申请日：2020-05-18
Applicant: 桂林电子科技大学
Abstract: 本发明属于机器学习技术领域，本发明所涉及的域自适应人脸识别方法是人工智能的一个分支，公开了一种多子空间的域自适应人脸识别方法。提出通过多个子空间学习得到更多的判别信息，取得较好的分类模型，解决了源域样本和目标域样本数据分布不同，传统的机器学习方法在源域上训练无法在目标域数据上测试取得较好的效果的问题。本方法通过随机选择训练样本；为每个子系统学习一个公共子空间，然后分别用目标域数据进行线性组合来表示源域样本；并为每个子系统中新的源域数据学习一个判别模型；通过多数票和总和规则的策略将所有子系统结合起来得到最终的分类结果，得到有益效果。
-
公开(公告)号：CN109034080A
公开(公告)日：2018-12-18
申请号：CN201810866120.8
申请日：2018-08-01
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00288 , G06K9/00268 , G06K9/6256
Abstract: 本发明属于人工智能技术领域，本发明所涉及的域自适应方法也属于迁移学习领域的一个重要分支，公开了一种多源域自适应人脸识别的方法。提出通过学习多个源域和单个目标域的公共子空间的方法，应用于人脸识别问题。解决了对于源域和目标域不同分布的数据，且目标域数据没有或者具有少量的标签，人脸识别问题在源域上学习的分类器在目标域上做识别效果差的问题。方法通过学习多个源域和单目标域的样本，得到一个公共的子空间，在公共子空间中通过将源域转化为目标域的线性表示数据，并将目标化的源域数据投到高维空间中，使其在高维空间中构造线性最优超平面，并学习到一个核分类器，再对测试样本进行识别分类，获得了有益的效果。
-
公开(公告)号：CN109034080B
公开(公告)日：2021-10-22
申请号：CN201810866120.8
申请日：2018-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明属于人工智能技术领域，本发明所涉及的域自适应方法也属于迁移学习领域的一个重要分支，公开了一种多源域自适应人脸识别的方法。提出通过学习多个源域和单个目标域的公共子空间的方法，应用于人脸识别问题。解决了对于源域和目标域不同分布的数据，且目标域数据没有或者具有少量的标签，人脸识别问题在源域上学习的分类器在目标域上做识别效果差的问题。方法通过学习多个源域和单目标域的样本，得到一个公共的子空间，在公共子空间中通过将源域转化为目标域的线性表示数据，并将目标化的源域数据投到高维空间中，使其在高维空间中构造线性最优超平面，并学习到一个核分类器，再对测试样本进行识别分类，获得了有益的效果。
-
-
Search Results
3
records
(took 0.019 seconds)
