版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)應(yīng)用技術(shù)的快速發(fā)展,作為生物特征識(shí)別的分支,人臉識(shí)別受到了越來(lái)越多的重視。這些年,人臉識(shí)別算法層出不窮,因此識(shí)別的正確率和效率都得到了很大的提高。在實(shí)際應(yīng)用中,由于受到存儲(chǔ)空間有限、獲取樣本時(shí)間受限等因素的影響,訓(xùn)練樣本往往存在著數(shù)目過(guò)少的問(wèn)題。樣本不足問(wèn)題嚴(yán)重影響了識(shí)別的準(zhǔn)確率,本方法主要研究如何通過(guò)樣本擴(kuò)充方法克服小樣本人臉識(shí)別問(wèn)題。
小樣本人臉識(shí)別問(wèn)題是指由于事先收集到的被測(cè)群體的人臉圖像過(guò)少,即:訓(xùn)練樣本數(shù)目
2、過(guò)少,使識(shí)別正確率降低或者無(wú)法識(shí)別的問(wèn)題。同一個(gè)人的不同人臉圖像是不同的,通常表現(xiàn)在姿態(tài)的變化、表情的差異和光照的不均等多方面。如果訓(xùn)練樣本充足,經(jīng)過(guò)訓(xùn)練的人臉特征將包含了同一個(gè)人的多種變化,這使得測(cè)試階段的圖像有更多的參考信息,從而正確分類。如果樣本不足,那么訓(xùn)練階段的人臉特征不足以有效表示人臉特征變化,從而使人臉識(shí)別的難度加大,甚至出現(xiàn)無(wú)法識(shí)別的現(xiàn)象。通常來(lái)講,能夠擁有更多的有效的訓(xùn)練樣本,就意味著能夠取得更高的識(shí)別準(zhǔn)確率。
3、 針對(duì)小樣本人臉識(shí)別的問(wèn)題,本方法采用樣本擴(kuò)充的技術(shù)來(lái)克服樣本不足帶來(lái)的問(wèn)題,對(duì)產(chǎn)生的兩種虛擬樣本與原始訓(xùn)練樣本進(jìn)行融合。該融合方法將原始訓(xùn)練樣本做“鏡面”變換和“對(duì)稱臉”變換產(chǎn)生虛擬訓(xùn)練樣本,通過(guò)生成虛擬樣本使訓(xùn)練樣本的數(shù)目增加。再分別將原始訓(xùn)練樣本、虛擬訓(xùn)練樣本與測(cè)試樣本計(jì)算匹配得分。最后,利用加權(quán)融合將各部分的得分進(jìn)行融合從而得到最終的匹配度得分,并利用得到的匹配度得分進(jìn)行分類。通過(guò)大量實(shí)驗(yàn)的驗(yàn)證,該算法在小樣本訓(xùn)練集上識(shí)別效果
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 小樣本人臉圖像識(shí)別研究.pdf
- 小樣本人臉識(shí)別算法設(shè)計(jì)及驗(yàn)證.pdf
- 小樣本人臉圖像特征抽取和識(shí)別方法研究.pdf
- 基于FKPCA+雙子空間和信息屬性KNN的小樣本人臉識(shí)別研究.pdf
- 單樣本人臉識(shí)別算法研究.pdf
- 基于遷移學(xué)習(xí)的單樣本人臉識(shí)別.pdf
- 單樣本人臉識(shí)別方法的研究.pdf
- 基于稀疏理論的單樣本人臉識(shí)別研究.pdf
- 單樣本人臉識(shí)別方法研究.pdf
- 基于LDA和CRC的單樣本人臉識(shí)別算法研究.pdf
- 基于虛擬信息的單樣本人臉識(shí)別方法研究.pdf
- 基于Gabor小波變換的單樣本人臉識(shí)別算法研究.pdf
- 基于集成學(xué)習(xí)模型的單樣本人臉圖像識(shí)別研究.pdf
- 基于多流形判別分析的單樣本人臉識(shí)別研究.pdf
- 基于多層投票的單樣本人臉識(shí)別算法研究與應(yīng)用.pdf
- 復(fù)雜環(huán)境下的單樣本人臉識(shí)別算法研究.pdf
- 小樣本情況下特征抽取算法與人臉識(shí)別研究.pdf
- 非理想狀態(tài)的單樣本人臉識(shí)別方法.pdf
- 基于主分量分析的單樣本人臉識(shí)別方法研究.pdf
- 基于LBP與2DPCA的單樣本人臉識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論