-
公开(公告)号：CN108509843B
公开(公告)日：2022-01-28
申请号：CN201810119125.4
申请日：2018-02-06
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于加权的Huber约束稀疏编码的人脸识别方法，包括：采用回归分类器作为人脸识别的基础，引入L1正则约束，对查询样本在训练样本集X的编码系数进行稀疏化，得到稀疏编码模型；在稀疏编码模型的基础上，采用Huber损失函数替代L1保真项或L2保真项，得到稀疏鲁棒性编码模型；根据训练样本集和查询样本的残差获取训练样本集中各像素点的权重；在稀疏鲁棒性编码模型的基础上，利用权重以及Huber损失函数的阈值得到基于加权的Huber约束稀疏编码模型；根据其编码系数获取查询样本在训练样本集X中的残差向量；根据残差向量分析闭塞环境下查询样本的识别率。本发明有效的降低了类内变化，并避免类间干扰，扩大了权重向量的效果，提高识别率。
-
公开(公告)号：CN108509843A
公开(公告)日：2018-09-07
申请号：CN201810119125.4
申请日：2018-02-06
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于加权的Huber约束稀疏编码的人脸识别方法，包括：采用回归分类器作为人脸识别的基础，引入L1正则约束，对查询样本在训练样本集X的编码系数进行稀疏化，得到稀疏编码模型；在稀疏编码模型的基础上，采用Huber损失函数替代L1保真项或L2保真项，得到稀疏鲁棒性编码模型；根据训练样本集和查询样本的残差获取训练样本集中各像素点的权重；在稀疏鲁棒性编码模型的基础上，利用权重以及Huber损失函数的阈值得到基于加权的Huber约束稀疏编码模型；根据其编码系数获取查询样本在训练样本集X中的残差向量；根据残差向量分析闭塞环境下查询样本的识别率。本发明有效的降低了类内变化，并避免类间干扰，扩大了权重向量的效果，提高识别率。
-
Search Results
2
records
(took 0.015 seconds)
