-
Patent Agency Ranking
公开(公告)号：CN107392190B
公开(公告)日：2020-08-11
申请号：CN201710800074.7
申请日：2017-09-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于半监督多视图字典学习的彩色人脸识别方法，该方法将多视图学习技术应用于半监督彩色人脸图像的字典学习。在训练阶段，该方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；并且该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练，充分利用所有训练样本信息。在分类测试阶段，该方法累计各个彩色分量用对应每一类训练样本的字典去重构测试样本的重构误差，最后将测试样本归为累计重构误差最小的那一类。本发明识别效果更高，通过半监督多视图字典学习，彩色人脸识别能力得到了明显增强。
-
公开(公告)号：CN110046583A
公开(公告)日：2019-07-23
申请号：CN201910314310.3
申请日：2019-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于半监督多视图增量字典学习的彩色人脸识别方法，属于人脸识别技术领域，充分利用了增量学习技术，将训练阶段又划分为两个子阶段：训练样本集和字典初始化阶段与训练样本集和字典更新阶段；在训练样本集和字典初始化阶段，采用与基于半监督多视图字典学习的彩色人脸识别方法相同的方式使用初始彩色人脸图像训练样本集进行字典学习，获得初始字典；在训练样本集和字典更新阶段，根据彩色人脸图像训练样本集的变化，对已经学习得到的字典做简单修改，然后再进行字典更新；与基于半监督多视图字典学习的彩色人脸识别方法相比，在彩色人脸图像训练样本集发生变化时，可以大大减少更新字典所耗费的训练时间。
-
公开(公告)号：CN110046582B
公开(公告)日：2020-06-02
申请号：CN201910313626.0
申请日：2019-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多视图鉴别线性表示保留投影的彩色人脸识别方法，属于人脸识别技术领域，本发明对每个彩色分量图像训练样本，使用与其同类的其他彩色分量图像训练样本来线性表示该样本，获得相应的线性表示系数；对所有彩色分量图像训练样本及其线性表示进行多视图的鉴别分析，获得最优线性投影向量；得到投影后的训练样本特征集和待识别样本特征，计算待识别样本特征到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。该方法将彩色人脸图像的三个彩色分量视为三个视图，充分利用彩色人脸图像的色彩差异信息和不同色彩之间的互补信息，有效提高人脸识别的效果。
-
公开(公告)号：CN110046582A
公开(公告)日：2019-07-23
申请号：CN201910313626.0
申请日：2019-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多视图鉴别线性表示保留投影的彩色人脸识别方法，属于人脸识别技术领域，本发明对每个彩色分量图像训练样本，使用与其同类的其他彩色分量图像训练样本来线性表示该样本，获得相应的线性表示系数；对所有彩色分量图像训练样本及其线性表示进行多视图的鉴别分析，获得最优线性投影向量；得到投影后的训练样本特征集和待识别样本特征，计算待识别样本特征到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。该方法将彩色人脸图像的三个彩色分量视为三个视图，充分利用彩色人脸图像的色彩差异信息和不同色彩之间的互补信息，有效提高人脸识别的效果。
-
公开(公告)号：CN107392190A
公开(公告)日：2017-11-24
申请号：CN201710800074.7
申请日：2017-09-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于半监督多视图字典学习的彩色人脸识别方法，该方法将多视图学习技术应用于半监督彩色人脸图像的字典学习。在训练阶段，该方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；并且该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练，充分利用所有训练样本信息。在分类测试阶段，该方法累计各个彩色分量用对应每一类训练样本的字典去重构测试样本的重构误差，最后将测试样本归为累计重构误差最小的那一类。本发明识别效果更高，通过半监督多视图字典学习，彩色人脸识别能力得到了明显增强。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
