在非限制环境下,在人脸识别数据库上评估时由于无法获得所有对象完整的类标签信息,只能得到弱标签信息,使得许多人脸识别算法将无法工作。为了解决该问题,提出了一种基于线性判别分析的边信息方法,即加权SILD(Side-Information based Li...在非限制环境下,在人脸识别数据库上评估时由于无法获得所有对象完整的类标签信息,只能得到弱标签信息,使得许多人脸识别算法将无法工作。为了解决该问题,提出了一种基于线性判别分析的边信息方法,即加权SILD(Side-Information based Linear Discriminant)方法 WSILD,只利用边信息就可以很好地工作,其中,类内和类间散布矩阵直接利用边信息计算出来。在美国国防部人脸识别技术FERET及耶鲁大学人脸数据库Yale上的实验支撑了算法的理论分析。提出的WSILD方法使用多种特征,与目前的几种方法相比,取得了更好的人脸识别效果。展开更多
文摘在非限制环境下,在人脸识别数据库上评估时由于无法获得所有对象完整的类标签信息,只能得到弱标签信息,使得许多人脸识别算法将无法工作。为了解决该问题,提出了一种基于线性判别分析的边信息方法,即加权SILD(Side-Information based Linear Discriminant)方法 WSILD,只利用边信息就可以很好地工作,其中,类内和类间散布矩阵直接利用边信息计算出来。在美国国防部人脸识别技术FERET及耶鲁大学人脸数据库Yale上的实验支撑了算法的理论分析。提出的WSILD方法使用多种特征,与目前的几种方法相比,取得了更好的人脸识别效果。
