无约束人脸识别方法课件_第1页
无约束人脸识别方法课件_第2页
无约束人脸识别方法课件_第3页
无约束人脸识别方法课件_第4页
无约束人脸识别方法课件_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

小组成员：无约束人脸识别方法无约束人脸识别的任务检测并提取人脸区域对人脸区域进行预处理提取人脸特征在数据库或模型中匹配识别传统方法基于全局特征的方法Eigenface,Fisherface…基于局部特征的方法几何特征,Gabor,LBP,基于模型基于神经网络的方法基于SVM的方法光照年龄姿态表情遮挡……影响人脸识别的新发展近年来，基于度量学习的人脸识别方法逐渐成为人脸识别领域中的研究热点，不断有新的方法提出。LDMLMatthieuGuillaumin等@2009ICCV识别率：79.27%CSMLHieuV.Nguyen等@2010ACCV识别率：88.00%PMMLZhenCui等@2013CVPR识别率：89.35%DDMLJunlinHu等@2014CVPR识别率：90.68%新方法介绍：2013IEEEConferenceonComputerVisionandPatternRecognitionFusingRobustFaceRegionDescriptorsviaMultipleMetricLearningforFaceRecognitionintheWild[ZhenCui,WenLi,DongXu,ShiguangShan,XilinChen]提出了一种新的特征描述子（SFRD/STFRD）提出了一种成对约束多度量学习方法（PMML）在LFW,YTF这两个数据集上是当时最好的方法方法流程图获得人脸图像将人脸图像分区域抽取块特征提取PMML方法PMML度量学习一对训练样本之间的距离定义为：Informationtheoreticmetriclearning采用theLogDetdivergencePMML则我们要求解的问题就转化为：它的优点在于联合地学习了每个区域的，隐含了全局的信息。实验结果DDML

实验结果DDML算法在LFW和YTF上都表现了很好的性能。总结新方法的优点：提高了鲁

人人文库> 全部分类> 办公材料 > 办公文档

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论