计算机工程与应用

2021, v.57;No.968(01) 168-172

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于自编码器和稀疏表示的单样本人脸识别
Autoencoder Based Sparse Representation for Single Sample Face Recognition

王钰;刘凡;王菲;

摘要(Abstract):

单样本人脸识别因其在现实生活中的广泛应用而成为人脸识别领域的热门话题。单张训练样本条件下训练样本的缺少和复杂的类内人脸表情、光照、遮挡变化给单样本人脸识别研究带来困难。传统的基于稀疏表示的人脸识别方法需要大量的训练样本构成过完备的字典,因而在单样本条件下识别效果明显下滑。针对这一问题,提出一种基于有监督自编码器的带变化人脸样本生成方法,在保留身份信息的同时自动生成带变化的人脸图像用于单样本条件下的字典扩充,一定程度上缓解了单样本条件下的欠采样问题,弥补了训练集和测试集间的人脸变化信息差异,使得传统的稀疏表示方法能够适用于单样本人脸识别问题。在公共数据库上的实验结果不仅证明了该方法的有效性,而且对测试集中不同的人脸变化也展现出了较强的鲁棒性。

关键词(KeyWords): 单样本人脸识别;有监督自编码器;稀疏表示;字典学习

Abstract:

Keywords:

基金项目(Foundation): 江苏省自然科学基金(BK20191298);; 河海大学海岸灾害及防护教育部重点实验室开放基金(201905)

作者(Author): 王钰;刘凡;王菲;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享