【文章笔记】Sparse Representation or Collaborative Representation: Which Helps Face Recognition?

最新推荐文章于 2024-07-18 16:50:16 发布
最新推荐文章于 2024-07-18 16:50:16 发布
阅读量4.6k 收藏 5
点赞数 2
CC 4.0 BY-SA版权
分类专栏： Research Report 文章标签： 人脸识别 测试 classification 数据库 算法 工作
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/hongyanee/article/details/6745428
本文分析了ICCV 2011上的一项研究，该研究探讨了压缩感知在人脸识别中的应用，并指出协作表示而非稀疏表示是SRC算法效果提升的关键。SRC通过整个样本库协作编码来提高识别准确性和鲁棒性，而非仅依赖于单个类别样本的稀疏表示。文章还提出，使用l2-norm稀疏约束比l1-norm更能有效识别。

这篇文章发表在ICCV 2011上，主要是讨论压缩感知如何提高了人脸识别的效率，并提出了进一步提高性能的方法。

       SRC(Sparse representation based classification)首先用所有训练样本的线性组合表示一个测试样本，然后估计哪一类可以最小化representation error，就确定了测试样本属于哪一类。很多相关工作都强调了sparse representation在人脸识别的作用，但是文章研究发现，是Collaboration representation而不是l1-norm Sparsity使得SRC在人脸识别方面更有效。

       文章认为SRC算法中，有两点很关键：第一，测试样本的编码矢量必须是稀疏的；第二，测试样本由整个样本数据库协作编码表达，而不是由每个类别的子集表达。假如测试样本属于样本数据库中的某一类，那么应该可以有这个类别的样本集稀疏表示，也就是用最少的样本来表达，所以测试样本的编码矢量必须是稀疏的。但是这是建立在每个类别的样本集都是完备的，这个基础上的，实际上这样的前提很难做到。用某一类别的样本集来表达测试样本的误差会很大，即便是测试样本恰好属于这个类别。所以SRC采用整个样本数据库来协作表达测试样本，当采用Collaboration representation判断测试样本是否属于某一类别时，既要判断测试样本与这一类别的差别是否小，还要判断与其他类别的差别是否大，这样的"double check"使得识别更加有效和robust。

       文章

最低0.47元/天 解锁文章

200万优质内容无限畅学
稀疏表示综述：A Survey of Sparse Representation: Algorithms and Applications_2015（1）
mingo_敏
07-12 6413
A Survey of Sparse Representation: Algorithms and Applications ZHENG ZHANG, YONG XU, JIAN YANG, XUELONG LI, AND DAVID ZHANG 本文地址：http://blog.youkuaiyun.com/shanglianlm/article/details/46848803
稀疏表示和协同编码哪个对人脸识别起了作用
12-24
Sparse Representation or Collaborative Representation: Which Helps Face Recognition ICCV2011最新的文章，论述了稀疏表示和协同编码对人脸识别的作用，代码详细。
笔记-Sparse Representationor Collaborative Representation: Which Helps Face Recognition
qq_44217221的博客
06-13 1093
（之前写的笔记了，也是难得写这么多） 论文中心： It is the CR, but not the l1-norm sparsity, that plays the essential role for classification in SRC。
Robust Face Recognition via Sparse Representation
热门推荐
极度视界
10-23 1万+
Robust Face Recognition via Sparse Representation 算法实现记录
Image set based collaborative representation for face recognition
家家的专栏
10-11 1934
ISFR: Image set based face recognition 难题：How to represent the query face image set by using the gallery face image sets Set-to-Set 的度量方法，忽略了训练集之间的联系~ image-to-image的方法，忽略了set内部之间的联系~ 所以提出：A image
协同表示（Collaborative Representation）
最新发布
...
07-18 1184
协同表示在图像识别、语音识别、生物信息学等多个领域都有广泛应用，尤其是在处理包含多种不同类型信息的数据集时，它能够整合不同源的信息，提高模型的性能和鲁棒性。协同表示在多种情况下都非常有用，尤其是在多模态数据融合中，如图像和文本的联合表示学习、多传感器数据的集成分析等。在处理包含多种不同类型信息的数据集时，协同表示能够显著提升模型的性能，特别是在面对复杂噪声和非线性数据时。协同表示是一种强大的多视图数据融合技术，通过共同优化所有视图的表示，它能够生成更全面、更鲁棒的数据理解。会导致更简单的表示，较小的。
人脸识别协同表示代码所有
03-19
人脸识别协同表示代码基于协同表示的人脸识别matlab代码，文章出处：L zhang等的“Sparse Representation or Collaborative Representation: Which Helps Face Recognition? ”
基于协同表示的人脸识别代码
11-29
基于协同表示的人脸识别matlab代码，文章出处：L zhang等的“Sparse Representation or Collaborative Representation: Which Helps Face Recognition? ”
一种基于协作表示的特征提取投影方法（A collaborative representation based projections method for feature extraction）
此生不换的博客
02-28 1199
1.CRP简介 文章全称为"A collaborative representation based projections method for feature extraction"（点击可以获取原文地址）,这个学校或者组织可以使用。在基于图形嵌入理论中，我们往往使用k近邻去选择最近的邻居并且计算边缘权重。但是在高维的数据中手动选择最近邻居是困难和不稳定的。因此自动构建图形显得非常重要。这篇...
A Probabilistic Collaborative Representation based Approach for
01-11
本资源是 2016 CVPR 文章的代码. 文章原文题目是： A Probabilistic Collaborative Representation based Approach for Pattern Classification
Class-wise Sparse and Collaborative Patch Representation for Face Recognition
12-25
Class-wise Sparse and Collaborative Patch Representation for Face Recognition
Group Collaborative Representation for Image Set Classification组协同表示.zip
08-27
IJCV一区文章，组协同表示；图像集分类；三种分类方式；线性；均值核函数，黎曼核函数；Group Collaborative Representation for Image Set Classification；个人复现的代码，调试可运行分类准确率94%左右；
2021CVPR Cross-Modal Collaborative Representation Learning and a Large-Scale RGBT Benchmark crowd
qq_26583289的博客
03-07 1652
Cross-Modal Collaborative Representation Learning and a Large-ScaleRGBT Benchmark for Crowd Counting 一、动机：大多数以前的方法仅利用RGB图像的有限信息，并且可能无法在不受限制的环境中发现潜在的行人。在这项工作中，我们发现合并光学和热学信息可以极大地帮助识别行人。 ...
Sparse Representation
weixin_30472035的博客
05-19 132
Given any signal \(x\in R^n\), we can obtain sparse representation \(\theta\in R^n\) of \(x\) in two ways: Basis expansion: given sparse-inducing othonormal basis matrix \(B\in R^{n\times n}\), e.g.,...
稀疏表示（SRC）
liu_guanzhang的专栏
01-30 7124
基于表示的分类方法（representation based classification method, RBCM）研究较多的就是John Wright等在2009年提出的稀疏表示分类（sparse representation based classification, SRC）方法了，Google已经有3778次引用了。    Wright J, Yang A Y, Ganesh A, e
face recognition[翻译][深度人脸识别:综述]
weixin_34232363的博客
10-18 1884
这里翻译下《Deep face recognition: a survey v4》. 1 引言 由于它的非侵入性和自然特征，人脸识别已经成为身份识别中重要的生物认证技术，也已经应用到许多领域，如军事，进入，公共安全和日常生活。FR自然在CVPR会议中也占据了十分长的时间。早在1990年代，随着特征脸的提出[157]，FR就成为了一个比较热门的研究领域。过去基于特征进行FR的里程碑方法在图1中有所...
稀疏表示（sparse representation）和字典学习
weixin_34319999的博客
08-15 1115
      近十几年来，稀疏（sparsity）已经成为信号处理及其应用领域中处于第一位的概念之一。近来，研究人员又致力于过完备（overcomplete）信号表示的研究。这种表示不同于许多传统的表示。因为它能提供一个广阔范围的生成元素（atoms）。而冗余（redundant）信号表示的魅力正在于其能经济地（紧致）的表示一大类信号。对稀疏性的兴趣源自于新的抽样理论-压缩传感（compressed...
Sparse Representation Classification速度记录
jianjian1992的专栏
06-12 1080
测试维度数f=100，样本数为100，lambda取值为x时一次SRC过程的速度 测试维度数f=500，样本数为1000，lambda取值为x时一次SRC过程的速度 matlab代码如下： %x为横坐标的取值，为一个行向量我这里的取值为平均误差与结构误差之间的平衡系数lambda，0.1~0.9 %minimize ||A*x-y||^2 + lambda*s
一些有用的图像处理论文及代码
alaclp的专栏
04-11 1万+
Research Codes   CVPR 2012: [1]         M. Yang, L. Zhang, D. Zhang and S. Wang, “Relaxed Collaborative Representation for Pattern Classification,” in CVPR 2012. (paper) (code will be availabl
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值