دسته بندی:

پردازش تصویر - Image Processing

---

سال انتشار:

2018

---

ترجمه فارسی عنوان مقاله:

تشخیص چهره با استفاده از یادگیری فهرست معانیK‑SVD مبتنی بریک مجموعه تصویر

---

عنوان انگلیسی مقاله:

Image‑set based face recognition using K‑SVD dictionary learning

---

منبع:

Springer, International Journal of Machine Learning and Cybernetics, 2018

---

نویسنده:

Jingjing Liu1 · Wanquan Liu2 · Shiwei Ma1 · Meixi Wang1 · Ling Li2 · Guanghua Chen1

---

چکیده انگلیسی:

With rapid development of digital imaging and communication technologies, image set based face recognition (ISFR) is becoming increasingly important and popular. On one hand, easy capture of large number of samples for each subject in training and testing makes us have more information for possible utilization. On the other hand, this large size of data will eventually increase training and classification time and possibly reduce the recognition rate if they are not used appropriately. In this paper, a new face recognition approach is proposed based on the K-SVD dictionary learning to solve this large sample problem by using joint sparse representation. The core idea of this proposed approach is to learn variation dictionaries from gallery and probe face images separately, and then we propose an improved joint sparse representation, which employs the information learned from both gallery and probe samples effectively. Finally, the proposed method is compared with some related methods on several popular face databases, including YaleB, AR, CMU-PIE, Georgia and LFW databases. The experimental results show that the proposed method outperforms several related face recognition methods.
Keywords: Image set | Face recognition | K-SVD dictionary learning | Improved joint sparse representation

---

چکیده فارسی:

با توسعه سریع فناوری های ارتباطات وتصویربرداری دیجیتال ، تشخیص چهره مبتنی بر مجموعه تصویر (ISFR)به طور فزاینده ای مورد توجه و محبوبیت قرار می گیرد. از سویی ، ضبط آسان تعداد زیادی از نمونه ها برای هر موضوع در آموزش و تست باعث می شود که اطلاعات بیشتری برای استفاده احتمالی داشته باشیم. از طرف دیگر ، این اندازه بزرگ از داده ها در نهایت باعث افزایش زمان آموزش و طبقه بندی می شود و در صورت عدم استفاده مناسب ، احتمال شناسایی را کاهش می دهد. در این مقاله ، رویکرد جدید تشخیص چهره بر اساس یادگیری فهرست معانی K-SVD برای حل مشکل نمونه بزرگ با استفاده از نمایش پراکنده مشترک ارائه شده است. ایده اصلی این روش پیشنهادی ، یادگیری فهرست معانی مربوط به تغییرات از گالری و تصاویر کاوش چهره به صورت جداگانه است ، و سپس ما یک نمایش پراکنده مشترک را پیشنهاد می کنیم ، که از اطلاعات آموخته شده از هر دو گالری و کاوشگر به طور مؤثر استفاده می کند. سرانجام ، روش پیشنهادی با چند روش مرتبط در چندین پایگاه داده محبوب چهره ، از جمله بانکهای اطلاعاتی YaleB ، AR ، CMU-PIE ، Georgia و LFW مقایسه می شود. نتایج تجربی نشان می دهد که روش پیشنهادی از بسیاری از روشهای تشخیص چهره مرتبط بهتر است.
کلمات کلیدی: مجموعه تصویر | تشخیص چهره | یادگیری فهرست معانیK‑SVD | نمایش پراکنده مشترک بهبود یافته.

---

---

---

---

حجم فایل: 2170 کیلوبایت

---

قیمت: 58500 تومان   

---

توضیحات اضافی:

---

---

---