您的位置： 专家智库 > >

赵淑欢

作品数：14 被引量：68H指数：5
供职机构：燕山大学信息科学与工程学院更多>>
发文基金：国家自然科学基金河北省自然科学基金中国博士后科学基金更多>>
相关领域：自动化与计算机技术机械工程更多>>

合作作者

文献类型

  • 13篇期刊文章
  • 1篇会议论文

领域

  • 14篇自动化与计算...
  • 1篇机械工程

主题

  • 5篇人脸
  • 4篇遮挡
  • 4篇人脸识别
  • 4篇模式识别
  • 4篇加权
  • 3篇字典
  • 2篇先验
  • 2篇鲁棒
  • 2篇采样
  • 2篇残差
  • 1篇单样本
  • 1篇递推
  • 1篇多尺度
  • 1篇形态学操作
  • 1篇样本加权
  • 1篇映射
  • 1篇映射函数
  • 1篇原子
  • 1篇原子-分子
  • 1篇人脸认证

机构

  • 14篇燕山大学

作者

  • 14篇胡正平
  • 14篇赵淑欢
  • 4篇王宁
  • 3篇陈俊岭
  • 2篇彭燕
  • 2篇王蒙
  • 2篇李静
  • 1篇赵艳霜
  • 1篇董淑丽
  • 1篇白帆
  • 1篇孙哲

传媒

  • 6篇信号处理
  • 3篇模式识别与人...
  • 2篇仪器仪表学报
  • 1篇燕山大学学报
  • 1篇电子学报

年份

  • 2篇2016
  • 7篇2015
  • 4篇2014
  • 1篇2013
共 14 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
先验采样约束结合扩展遮挡字典的细化稀疏人脸识别技术研究被引量：1
2015年
为解决可能存在遮挡环境下的模式识别问题,提出先验采样约束结合扩展遮挡字典的细化稀疏人脸识别算法。针对训练样本无法包含测试样本遮挡变化的情况,首先需要构造遮挡字典(墨镜、围巾等),进而利用先验局部采样子模块稀疏表示分类方法判断测试样本可能存在的遮挡模式;然后对未被遮挡的局部子模块利用Borda计数投票,依据每类残差大小分配给不同的票数,计算样本类别信息;其次根据遮挡模式结果,利用全局稀疏表示通过构造样本遮挡扩展字典对测试样本进行全局分类投票;最后将两次分类投票结果进行融合,最终实现是否存在遮挡环境下的精细模式判别。实验结果表明,本文算法不仅能够给出准确的模式类别,还能给出遮挡类别信息,可得到精细化识别结果。
胡正平陈俊岭王宁赵淑欢
非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别被引量：6
2015年
考虑到图像遮挡后部分局部信息属性改变,在利用最小残差判决函数分类时,各类残差可能因较接近而导致分类错误.针对此问题,从分类器判决函数出发,提出基于稀疏系数累积的局部-全局加权融合的稀疏表示遮挡人脸识别算法.该算法主要利用各类稀疏表示系数累积作为判决函数,使用Borda投票机制进行分类.利用系数累积进行全局分类,然后对局部各块分类,考虑到子块作用不同,利用稀疏度和残差两个参数表示其可信度权重,最后将全局和局部融合Borda投票,统计各类投票总数,实现分类.在公用数据库进行实验,结果表明该算法具有较好的有效性和鲁棒性.
胡正平彭燕赵淑欢
关键词：人脸识别
基于局部和全局映射函数的流形降维空间球形覆盖分类算法
2015年
为探索高维数据本质结构和低维表示,并避免一般流形学习中测试数据不能显式降维的不足,提出基于局部和全局映射函数的流形降维空间球形覆盖分类算法.该算法首先抽象融合局部和全局信息映射模型,分别优化局部拉普拉斯矩阵和全局拉普拉斯矩阵,通过对局部和全局拉普拉斯矩阵进行特征值分解,得到训练样本的低维表示.然后借助核映射获取测试样本的低维表示.最后在低维空间建立球形覆盖分类模型,实现目标分类.在MNIST手写体数据集、Yale B和AR人脸数据集上的实验表明文中算法的有效性,证明其在实际应用领域具有一定价值.
胡正平杜立翠赵淑欢
关键词：流形LOCALGLOBALREGRESSIVEMAPPING
卷积神经网络分类模型在模式识别中的新进展被引量：29
2015年
近年来,深度学习作为机器学习的新兴研究领域越来越受到人们的关注,通过深度学习构建的深度网络在无监督特征提取方面表现出优异性能。卷积神经网络作为一个相对成功的深度学习模型,逐渐成为模式识别领域的研究热点。本文对卷积神经网络及其近年来在模式识别领域取得的新进展进行综述。首先介绍深度学习与卷积神经网络之间的关系以及卷积神经网络的基本原理;其次对卷积神经网络的各种改进算法进行了总结,对卷积神经网络在模式识别领域的新应用进行了概述;最后阐述了目前在卷积神经网络学习理论中亟需解决的主要问题。
胡正平陈俊岭王蒙赵淑欢
关键词：卷积神经网络模式识别
基于Borda投票加权的子模块稀疏表示鲁棒模式识别算法被引量：6
2013年
利用子模块稀疏表示进行分类时,具有遮挡或强烈光照变化的子模块中各类残差可能很相近,此时正确类别残差可能不是最小,依据稀疏表示分类的残差最小判别准则将导致子模块错误分类,影响最终判别结果。针对此问题,提出基于Borda投票加权的子模块稀疏表示分类算法。首先利用Borda分别对子模块中的每类进行投票,然后利用子模块稀疏度和子模块残差确定该子模块的可信度权重,依据子模块可信度权重将所有子模块中每类票数进行加权求和,进行最终分类判别。实验结果表明,当图像具有遮挡或强烈光照变化时,提出的分类算法具有很好的有效性和鲁棒性。
胡正平李静赵淑欢
基于低秩分解的联合动态稀疏表示多观测样本分类算法被引量：3
2015年
通过互联网易获得同一对象的多个无约束的观测样本,针对如何解决无约束观测样本带来的识别困难及充分利用多观测样本数据信息提高其分类性能问题,提出基于低秩分解的联合动态稀疏表示多观测样本分类算法.该算法首先寻找到一组最佳的图像变换域,使得变换图像可以分解成一个低秩矩阵和一个相关的稀疏误差矩阵;然后对低秩矩阵和稀疏误差矩阵分别进行联合动态稀疏表示,以便充分利用类级的相关性和原子级的差异性,即使多观测样本的稀疏表示向量在类级别上分享相同的稀疏模型,而在原子级上采用不同的稀疏模型;最后利用总的稀疏重建误差进行类别判决.在CMU-PIE人脸数据库、ETH-80物体识别数据库、USPS手写体数字数据库和UMIST人脸数据库上进行对比实验,实验结果表明本方法的优越性.
胡正平高红霄赵淑欢
关键词：模式识别
分辨性分解块稀疏表示遮挡人脸识别算法被引量：4
2014年
针对遮挡人脸检测问题,将分辨性分解模型与块稀疏表示结合起来提出基于分辨性分解块稀疏表示的遮挡人脸识别算法。首先,利用该图像分解算法将训练图像集分解成共同部分、低秩条件部分和稀疏误差部分;其次,分别在共同部分和低秩条件部分上利用PCA构造投影矩阵,联合两个投影矩阵构造最终的投影矩阵,并对原训练集及测试样本进行投影;最后,在投影空间中利用块稀疏表示对测试样本进行分类识别。在AR数据库上的遮挡仿真实验证明,与SRC、NS、BS算法相比,该方法可以在低维特征空间上获得较高的识别率且具有更强的鲁棒性。
胡正平赵淑欢
稀疏扩展字典学习的代价敏感单样本人脸认证被引量：5
2015年
针对如何实现只有单训练样本情况下人脸认证,提出基于稀疏扩展字典学习的代价敏感单样本人脸认证方法。首先学习一种可将训练样本和一般训练集结合起来的投影方式来构造适合训练样本的稀疏扩展字典,而并非独立地利用一般训练集直接构造扩展字典,从而更好地解决单训练样本不能涵盖测试条件变化的问题;其次通过稀疏表示分类得到与测试样本最相似的训练样本,然后对测试样本和该训练样本分别提取HOG特征,根据距离准则计算相似度判断是否在阈值范围内;最终实现在光照、表情变化情况下的单训练样本人脸鲁棒认证。该方法分别在AR、CMU-PIE和Extended Yale B 3个公共人脸数据库上进行实验,均取得较满意的结果,验证了该方法的可行性和有效性。
胡正平王宁赵淑欢
关键词：人脸认证单样本HOG特征
基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究被引量：4
2014年
针对如何在未知类别的情况下自动检测出遮挡区域,然后在克服遮挡影响的基础上提高识别算法的鲁棒性问题,提出基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法.该算法首先将待测样本分为上下两部分,并分别用对应块的训练样本进行稀疏表示,找出稀疏度更高的块及对应的稀疏解,并将更稀疏前N个解推广到另一个块中,重构测试样本.然后根据重构测试样本与原测试样本的残差推测遮挡像素.考虑到遮挡区域的连续性,利用形态学操作对推测的遮挡区域进行规则化处理并得到加权矩阵.最后利用加权矩阵对测试样本和训练样本进行整体加权归一化,再利用全局稀疏表示进行最终的分类判决.在AR、Yale B及MNIST上的遮挡仿真实验证明该方法不但可大致确定遮挡区域,还可提高遮挡图像识别的性能.
胡正平赵淑欢李静
关键词：模式识别形态学操作
多观测样本联合信息加权稀疏表示分类算法被引量：3
2014年
多观测样本分类问题中,同一对象的多观测样本均看作一个整体进行识别,其同等看待各个观测样本。考虑到其每个观测样本包含判别信息量不同,针对如何有效利用其可信度问题,提出基于观测样本联合加权稀疏表示多观测样本分类算法。首先将多观测样本分解成单样本,分别对各个样本进行稀疏求解得到其各自的稀疏度和残差,进而联合二者确定其相应可信度。然后给各观测样本进行可信度加权,重构出加权多观测样本。最后,再采用整体稀疏表示对其进行分类。在ETH-80物体数据库、CMU-PIE人脸数据库和BANCA数据库上进行大量对比实验,实验结果证明该算法的有效性,提高识别精度的同时使算法的鲁棒性得到保证。
胡正平赵艳霜赵淑欢
全选 清除 导出
共2页<12>
聚类工具0