-
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。
-
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。
-
Search Results
2
records
(took 0.037 seconds)
