掃一掃
關(guān)注中圖網(wǎng)
官方微博
小樣本情況下人臉圖像特征抽取技術(shù)研究
作者：盧桂馥
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
138
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
深度學(xué)習(xí)
-
>
Unreal Engine 4藍(lán)圖完全學(xué)習(xí)教程
-
>
深入理解計(jì)算機(jī)系統(tǒng)-原書(shū)第3版
-
>
Word/Excel PPT 2013辦公應(yīng)用從入門(mén)到精通-(附贈(zèng)1DVD.含語(yǔ)音視頻教學(xué)+辦公模板+PDF電子書(shū))
中圖價(jià):¥37.4
加入購(gòu)物車(chē)
小樣本情況下人臉圖像特征抽取技術(shù)研究 版權(quán)信息
- ISBN：9787569327809
- 條形碼：9787569327809 ; 978-7-5693-2780-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
小樣本情況下人臉圖像特征抽取技術(shù)研究 內(nèi)容簡(jiǎn)介
在人臉識(shí)別中，可得到的訓(xùn)練樣本數(shù)往往遠(yuǎn)小于人臉圖像樣本的維數(shù)，此問(wèn)題稱(chēng)為人臉識(shí)別中的小樣本問(wèn)題。小樣本問(wèn)題導(dǎo)致各種基于Rayleigh商的特征抽取算法存在病態(tài)問(wèn)題，并且使得使用較少的訓(xùn)練樣本難以獲得推廣性較好的識(shí)別性能。本書(shū)針對(duì)小樣本條件下的人臉圖像特征抽取和識(shí)別存在的困難，提出了幾種人臉識(shí)別的算法，通過(guò)這些算法可以大幅提高人臉識(shí)別的準(zhǔn)確率，本書(shū)的研究成果大致可以歸納為以下幾個(gè)方面：提出了基于**間距準(zhǔn)則的鑒別保局影算法、正交的完備鑒別保局投影算法；從理論上證明了KGE內(nèi)的各種算法其實(shí)質(zhì)是KPCA+LGE框架內(nèi)相應(yīng)的各種線性算法；針對(duì)圖嵌入算法在構(gòu)建近鄰圖時(shí)須預(yù)先選擇近鄰參數(shù)的問(wèn)題，提出了一種有監(jiān)督的人臉特征抽取算法——鑒別稀疏鄰域保持嵌入算法。
小樣本情況下人臉圖像特征抽取技術(shù)研究 目錄
英文縮寫(xiě)表
第1章 緒論
1.1 人臉識(shí)別的研究背景和意義
1.2 人臉識(shí)別的發(fā)展與現(xiàn)狀
1.3 人臉檢測(cè)
1.3.1 基于知識(shí)的方法
1.3.2 基于學(xué)習(xí)的方法
1.4 小樣本情況下的人臉特征抽取算法
1.4.1 基于直觀特征的特征抽取算法
1.4.2 基于人臉的代數(shù)特征的特征抽取算法
1.5 人臉識(shí)別方法
1.6 本書(shū)研究工作概述
1.7 本書(shū)內(nèi)容安排
第2章 基于*大間距準(zhǔn)則的鑒別保局投影算法
2.1 引言
2.2 PCA算法、LDA算法、MMC算法和DLPP算法
2.2.1 PCA算法
2.2.2 LDA算法和MMC算法
2.2.3 DLPP算法
2.3 DLPP/MMC算法的目標(biāo)函數(shù)
2.4 求解DLPP/MMC的高效算法
2.5 DLPP/MMC算法的理論分析
2.6 實(shí)驗(yàn)結(jié)果與分析
2.6.1 實(shí)驗(yàn)中所用的數(shù)據(jù)庫(kù)
2.6.2 人臉識(shí)別實(shí)驗(yàn)
2.7 本章小結(jié)
第3章 鑒別保局投影算法的改進(jìn)
3.1 引言
3.2 正交的完備鑒別保局投影（OCDLPP）算法
3.2.1 OCDLPP的理論推導(dǎo)
3.2.2 求解OCDLPP的高效算法
3.2.3 與相關(guān)算法的聯(lián)系
3.2.4 實(shí)驗(yàn)結(jié)果與分析
3.3 正則化廣義鑒別保局投影（RGDLPP）算法
3.3.1 RGDLPP算法的理論推導(dǎo)
3.3.2 實(shí)驗(yàn)結(jié)果與分析
3.4 快速的完備鑒別保局投影（FCDLPP）算法
3.4.1 完備的鑒別保局投影（CDLPP）算法
3.4.2 FCDLPP算法的求解過(guò)程
3.4.3 實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第4章 小樣本情況下基于核化圖嵌入的*佳鑒別分析
4.1 引言
4.2 相關(guān)的算法
4.2.1 核主成分分析
4.2.2 核化圖嵌入框架
4.3 核化圖嵌入算法的本質(zhì)
4.4 完備的核化圖嵌入算法
4.4.1 有效鑒別矢量的組成
4.4.2 鑒別準(zhǔn)則
4.4.3 本章算法的流程
4.5 實(shí)驗(yàn)結(jié)果與分析
4.6 本章小結(jié)
第5章 鑒別稀疏鄰域保持嵌入算法
5.1 引言
5.2 相關(guān)的算法
5.2.1 近鄰保持嵌入算法
5.2.2 稀疏表示
5.2.3 稀疏保持投影
5.3 鑒別稀疏鄰域保持嵌入
5.3.1 類(lèi)間近鄰散度
5.3.2 類(lèi)內(nèi)近鄰散度
5.3.3 DSNPE算法
5.4 實(shí)驗(yàn)結(jié)果與分析
5.4.1 基于DSNPE算法的人臉表示
5.4.2 DSNPE算法的人臉識(shí)別性能
5.5 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
第1章 緒論
1.1 人臉識(shí)別的研究背景和意義
1.2 人臉識(shí)別的發(fā)展與現(xiàn)狀
1.3 人臉檢測(cè)
1.3.1 基于知識(shí)的方法
1.3.2 基于學(xué)習(xí)的方法
1.4 小樣本情況下的人臉特征抽取算法
1.4.1 基于直觀特征的特征抽取算法
1.4.2 基于人臉的代數(shù)特征的特征抽取算法
1.5 人臉識(shí)別方法
1.6 本書(shū)研究工作概述
1.7 本書(shū)內(nèi)容安排
第2章 基于*大間距準(zhǔn)則的鑒別保局投影算法
2.1 引言
2.2 PCA算法、LDA算法、MMC算法和DLPP算法
2.2.1 PCA算法
2.2.2 LDA算法和MMC算法
2.2.3 DLPP算法
2.3 DLPP/MMC算法的目標(biāo)函數(shù)
2.4 求解DLPP/MMC的高效算法
2.5 DLPP/MMC算法的理論分析
2.6 實(shí)驗(yàn)結(jié)果與分析
2.6.1 實(shí)驗(yàn)中所用的數(shù)據(jù)庫(kù)
2.6.2 人臉識(shí)別實(shí)驗(yàn)
2.7 本章小結(jié)
第3章 鑒別保局投影算法的改進(jìn)
3.1 引言
3.2 正交的完備鑒別保局投影（OCDLPP）算法
3.2.1 OCDLPP的理論推導(dǎo)
3.2.2 求解OCDLPP的高效算法
3.2.3 與相關(guān)算法的聯(lián)系
3.2.4 實(shí)驗(yàn)結(jié)果與分析
3.3 正則化廣義鑒別保局投影（RGDLPP）算法
3.3.1 RGDLPP算法的理論推導(dǎo)
3.3.2 實(shí)驗(yàn)結(jié)果與分析
3.4 快速的完備鑒別保局投影（FCDLPP）算法
3.4.1 完備的鑒別保局投影（CDLPP）算法
3.4.2 FCDLPP算法的求解過(guò)程
3.4.3 實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第4章 小樣本情況下基于核化圖嵌入的*佳鑒別分析
4.1 引言
4.2 相關(guān)的算法
4.2.1 核主成分分析
4.2.2 核化圖嵌入框架
4.3 核化圖嵌入算法的本質(zhì)
4.4 完備的核化圖嵌入算法
4.4.1 有效鑒別矢量的組成
4.4.2 鑒別準(zhǔn)則
4.4.3 本章算法的流程
4.5 實(shí)驗(yàn)結(jié)果與分析
4.6 本章小結(jié)
第5章 鑒別稀疏鄰域保持嵌入算法
5.1 引言
5.2 相關(guān)的算法
5.2.1 近鄰保持嵌入算法
5.2.2 稀疏表示
5.2.3 稀疏保持投影
5.3 鑒別稀疏鄰域保持嵌入
5.3.1 類(lèi)間近鄰散度
5.3.2 類(lèi)內(nèi)近鄰散度
5.3.3 DSNPE算法
5.4 實(shí)驗(yàn)結(jié)果與分析
5.4.1 基于DSNPE算法的人臉表示
5.4.2 DSNPE算法的人臉識(shí)別性能
5.5 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
展開(kāi)全部
書(shū)友推薦
- >
姑媽的寶刀
- >
推拿
- >
苦雨齋序跋文-周作人自編集
- >
中國(guó)歷史的瞬間
- >
龍榆生：詞曲概論/大家小書(shū)
- >
朝聞道
- >
伯納黛特,你要去哪(2021新版)
- >
月亮與六便士
本類(lèi)暢銷(xiāo)
