低分辨率臉部識(shí)別的大幅度耦合映射（Large Margin Coupled Mapping for Low Resolution Face Recognition）

 

摘要：傳統(tǒng)的臉部識(shí)別算法在良好控制的環(huán)境下可以實(shí)現(xiàn)非常高的性能。然而，當(dāng)臉部圖像的分辨率變化時(shí)，這些算法的性能則非常低。一個(gè)兩步框架被提出，它通過(guò)采用超分辨率（SR）并在超分辨臉部圖像上進(jìn)行臉部識(shí)別來(lái)解決分辨率問(wèn)題。然而，當(dāng)SR重點(diǎn)更多的集中于視覺(jué)增強(qiáng)，而不是分類(lèi)精度時(shí)，該方法在識(shí)別任務(wù)方面的性能通常都比較低。最近，不同分辨率的Coupled Mapping（CM）已經(jīng)被引入到臉部識(shí)別框架，它學(xué)習(xí)一個(gè)高分辨率（HR）和低分辨率（LR）臉部圖像的共同特征子空間。本文中，受到最大邊緣投影的啟發(fā)，我們提出了大幅度的耦合映射（ＬＭＣＭ）算法，學(xué)會(huì)預(yù)測(cè)以最大限度地提高類(lèi)間對(duì)象和在公共空間中的類(lèi)內(nèi)距離。公眾FERET和SCface數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果表明，ＬＭＣＭ對(duì)于低分辨率的臉部識(shí)別是有效的。

關(guān)鍵詞：耦合映射·低分辨率臉部識(shí)別·大幅度耦合映射·FERET SCface

第一作者簡(jiǎn)介

Jiaqi Zhang

任職：清華大學(xué)深圳研究生院

研究方向：人工智能，模式識(shí)別，計(jì)算機(jī)視覺(jué)，圖像處理

相關(guān)學(xué)術(shù)研究

· “Off-line Signature Verification using Local Features and Decision Trees ”（ International Journal of Pattern Recognition and Artificial Intelligence ２０１６）

·“Dynamic Background Estimation and Complementary Learning for Pixel-wise Foreground/Background Segmentation ”

via：PRICAI 2016

PS : 本文由雷鋒網(wǎng)獨(dú)家編譯，未經(jīng)許可拒絕轉(zhuǎn)載！

原論文下載

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。