典型文献
基于二进制标签松弛模型的遮挡人脸识别
文献摘要：
遮挡人脸识别是人脸识别系统面临的挑战之一.在自然场景下,人脸特征通常被口罩等物品遮挡,导致人脸特征不完整,从而无法正确提取人脸特征信息,严重影响最终的识别结果.针对有遮挡条件下人脸识别效果较差的问题,通过利用低秩技术和二进制标签松弛模型的优势,该文提出了一种新的基于二进制松弛标签的回归模型.该模型通过学习一个更松弛的标签矩阵来代替严格的0-1标签矩阵,从而扩大了样本之间的类间距离,同时对二进制松弛标签矩阵采用低秩约束,以提高样本的类内相似性.因此,该方法能够提取出更多具有判别性的特征,从而有利于遮挡条件下的人脸识别.此外,通过引入的正则化项,有效避免了该方法的过拟合问题.在Yale B、LFW和CMU PIE数据集上的实验结果表明,该方法不仅能在实验室环境下获得较高的识别率,在自然场景下仍然能取得较好的识别性能.
文献关键词：
人脸识别;低秩技术;二进制松弛标签;特征提取;遮挡
中图分类号：
作者姓名：
韩肖;马祥
作者机构：
长安大学 信息工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]韩肖;马祥-.基于二进制标签松弛模型的遮挡人脸识别)[J].计算机技术与发展,2022(01):1-6
A类：
低秩技术,二进制松弛标签
B类：
松弛模型,遮挡,人脸识别系统,自然场景,口罩,人脸特征信息,类间距离,低秩约束,类内相似性,多具,判别性,正则化,过拟合,Yale,LFW,CMU,PIE,实验室环境,识别率,能取,识别性
AB值：
0.276239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
