-
公开(公告)号：CN108647690B
公开(公告)日：2021-12-31
申请号：CN201710969273.0
申请日：2017-10-17
Applicant: 南京工程学院
Abstract: 本发明提供一种基于判别稀疏保持投影的非约束人脸图像降维方法，通过1)，在计算样本重构关系矩阵W时，利用类别标签和类内紧凑度约束，增大同类非近邻样本权重系数；2)计算低维映射矩阵P时，增加全局约束因子，进一步降低异类伪近邻样本对投影矩阵的影响，能够更准确挖掘出隐藏在复杂冗余数据中的低维流形本质结构；3)实现高维样本数据的低维线性映射；对于真实环境中获取的非约束人脸图像，本发明DSPP可以更准确消除高维数据中的冗余信息，抽取本质特征，增强表征能力；同时，也减少了数据维度，节约存储空间，大大提高了人脸识别的可靠性和有效性。
-
公开(公告)号：CN108647690A
公开(公告)日：2018-10-12
申请号：CN201710969273.0
申请日：2017-10-17
Applicant: 南京工程学院
Abstract: 本发明提供一种用于非约束人脸识别的判别稀疏保持投影方法，通过1)，在计算样本重构关系矩阵W时，利用类别标签和类内紧凑度约束，增大同类非近邻样本权重系数；2)计算低维映射矩阵P时，增加全局约束因子，进一步降低异类伪近邻样本对投影矩阵的影响，能够更准确挖掘出隐藏在复杂冗余数据中的低维流形本质结构；3)实现高维样本数据的低维线性映射；对于真实环境中获取的非约束人脸图像，本发明DSPP可以更准确消除高维数据中的冗余信息，抽取本质特征，增强表征能力；同时，也减少了数据维度，节约存储空间，大大提高了人脸识别的可靠性和有效性。
-
公开(公告)号：CN109241813B
公开(公告)日：2022-02-08
申请号：CN201710969275.X
申请日：2017-10-17
Applicant: 南京工程学院
IPC: G06V40/16 , G06V10/772 , G06V10/774 , G06K9/62 , G06V10/77
Abstract: 本发明提供一种基于判别稀疏保持嵌入的非约束人脸图像降维方法，通过1)计算样本重构关系矩阵W，在计算样本稀疏重构关系时，引入类别标签，分别构建类内重构关系矩阵和类间重构关系矩阵，并且在稀疏重构阶段增加类内、类间紧凑度约束，有效增大待测样本与同类样本的重构关系，而减弱待测样本与异类样本的重构关系；2)计算低维投影矩阵P，计算低维投影矩阵时，增加全局约束因子，不仅考虑了样本的局部稀疏关系，也考虑了全局分布特性，进一步削弱异类伪近邻样本对低维投影的干扰，更准确挖掘出隐藏在复杂冗余数据中的低维流形本质结构；3)实现高维样本数据的低维线性映射；该方法大大提高非约束环境下人脸识别的准确性。
-
公开(公告)号：CN109241813A
公开(公告)日：2019-01-18
申请号：CN201710969275.X
申请日：2017-10-17
Applicant: 南京工程学院
Abstract: 本发明提供一种用于非约束人脸识别的判别稀疏保持嵌入方法，通过1)计算样本重构关系矩阵W，在计算样本稀疏重构关系时，引入类别标签，分别构建类内重构关系矩阵和类间重构关系矩阵，并且在稀疏重构阶段增加类内、类间紧凑度约束，有效增大待测样本与同类样本的重构关系，而减弱待测样本与异类样本的重构关系；2)计算低维投影矩阵P，计算低维投影矩阵时，增加全局约束因子，不仅考虑了样本的局部稀疏关系，也考虑了全局分布特性，进一步削弱异类伪近邻样本对低维投影的干扰，更准确挖掘出隐藏在复杂冗余数据中的低维流形本质结构；3)实现高维样本数据的低维线性映射；该方法大大提高非约束环境下人脸识别的准确性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
