检索结果-南通市图书馆

基于局部特征融合的邻域排斥度量学习亲属关系认证算法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2017年第6期30卷 530-537页

作者：胡正平郭增洁王蒙孙哲燕山大学信息科学与工程学院秦皇岛066004

针对如何利用人脸图像局部特征进行亲属关系认证的问题,文中提出基于局部特征融合的邻域排斥度量学习亲属关系认证算法.首先抽取脸部的关键区域,分别对每块关键区域提取纹理和肤色特征.然后进行特征融合.最后引入度量学习,学习能使具有... 详细信息

针对如何利用人脸图像局部特征进行亲属关系认证的问题,文中提出基于局部特征融合的邻域排斥度量学习亲属关系认证算法.首先抽取脸部的关键区域,分别对每块关键区域提取纹理和肤色特征.然后进行特征融合.最后引入度量学习,学习能使具有亲属关系样本距离变小、非亲属关系样本距离变大的变换矩阵,利用已有数据样本间相似程度的先验知识学习最佳相似性度量,更好地刻画亲属样本间的相似关系.在Kin Face W-I和KinFace W-II数据库中的实验表明,相比已有的亲属关系认证算法,文中算法性能更好.

关键词：亲属关系认证局部特征度量学习

在线全文

学校读者我要写书评

暂无评论

基于关键特征随机组合的亲属关系认证算法

高技术通讯 2019年第1期29卷 60-68页

作者：胡正平郭增洁李淑芳孙德刚燕山大学信息科学与工程学院秦皇岛066004 河北省信息传输与信号处理重点实验室秦皇岛066004 山东华宇工学院电子信息工程学院德州253000

提出基于3个客体进行亲属关系认证的算法,即利用父母和他们的1个子女的面部关键特征判断他们之间的亲属关系。根据父母与子女之间有基因重叠的生物学原理,子女的面部关键特征和父母双方中一方的面部关键特征具有相似性。基于此提出了利... 详细信息

提出基于3个客体进行亲属关系认证的算法,即利用父母和他们的1个子女的面部关键特征判断他们之间的亲属关系。根据父母与子女之间有基因重叠的生物学原理,子女的面部关键特征和父母双方中一方的面部关键特征具有相似性。基于此提出了利用父母的面部关键特征重构子女面部特征的想法,即通过比较父母面部关键特征与子女面部关键特征之间的欧氏距离,选取欧式距离较小的关键特征作为子女面部关键特征的近似特征。在相似性学习方面引入了度量学习,从局部特征的角度入手,分别对各个关键特征进行度量学习,然后利用余弦相似函数求得每对样本对应关键特征的相似度。将获得的各个相似度值作为一对样本的属性值,最后使用支持向量机(SVM)在最高决策层进行融合分类,求得最终的准确率。通过与现有的基于3个客体进行亲属关系认证的方法对比证明本文算法可取得更好的性能。

关键词：亲属关系认证度量学习支持向量机(SVM) 特征组合

在线全文

学校读者我要写书评

暂无评论

邻域排斥稀疏判决单样本亲属关系认证算法

计算机工程与应用 2019年第22期55卷 133-139页

作者：胡正平刘怀飚孙德刚山东华宇工学院电子信息工程学院山东德州253000 燕山大学信息科学与工程学院河北秦皇岛066004

针对如何利用人脸图像进行亲属关系认证问题,提出邻域排斥测度学习稀疏判决的单样本亲属关系认证算法。学习能使具有亲属关系样本距离变小,而非亲属关系样本距离变大的变换矩阵,目的是利用已有数据样本间相似程度的先验知识学习最佳相... 详细信息

针对如何利用人脸图像进行亲属关系认证问题,提出邻域排斥测度学习稀疏判决的单样本亲属关系认证算法。学习能使具有亲属关系样本距离变小,而非亲属关系样本距离变大的变换矩阵,目的是利用已有数据样本间相似程度的先验知识学习最佳相似性度量,使之能更好地刻画亲属样本间的相似关系。在新的测度空间下采用稀疏表示方法用父母样本集建立过完备字典来线性表示子女图像,并以稀疏系数大小衡量样本间相似程度。针对亲属样本间相似性不明显问题提出子模块综合稀疏认证方法,通过多重稀疏系数综合判别两输入样本的亲属关系。在KinFaceW-Ⅰ和KinFaceW-Ⅱ两个亲属图像库上的实验结果表明,采用测度学习空间下稀疏系数判决的方法相比已有亲属关系人脸认证方法具有更好的性能。

关键词：亲属关系认证测度学习稀疏表示相似性度量

基于特征提取和度量学习的亲属关系认证算法研究

在线全文

学校读者我要写书评

暂无评论

基于特征提取和度量学习的亲属关系认证算法研究

作者：郭增洁燕山大学

学位级别：硕士

基于图像的亲属关系认证问题是利用计算机视觉的方法判断输入的一对人脸图像是否具有亲属关系。在现实生活中人们常常发现父母与子女的面部特征相比其他人具有较高的相似度,因此可以利用父母的人脸图像寻找丢失儿童,建立家庭族谱,进行... 详细信息

基于图像的亲属关系认证问题是利用计算机视觉的方法判断输入的一对人脸图像是否具有亲属关系。在现实生活中人们常常发现父母与子女的面部特征相比其他人具有较高的相似度,因此可以利用父母的人脸图像寻找丢失儿童,建立家庭族谱,进行图像搜索和注释等。本文从面部特征融合和学习的角度提出了三种亲属关系认证的改进算法。首先,针对如何利用人脸图像局部特征,提出局部特征融合的邻域排斥度量学习算法。首先,抽取脸部的关键区域,分别对每块关键区域提取纹理和肤色特征,然后进行特征融合。最后引入度量学习,学习能使具有亲属关系样本距离变小,而非亲属关系样本距离变大的变换矩阵,并将提取的特征向量通过变换矩阵映射到度量空间,通过余弦相似函数计算相似度。其次,针对如何利用三个客体进行亲属关系认证,提出重构特征的局部邻域排斥度量学习算法。即通过比较父母面部关键特征与子女面部关键特征之间的欧氏距离,选取欧式距离较小的关键特征作为子女面部关键特征的近似特征。从局部特征的角度入手,分别对各个关键特征进行度量学习,然后利用余弦相似函数求得每对样本对应关键特征的相似度。再次,针对传统的手工特征提取器难以提取高级抽象特征的问题,提出了一种深度卷积神经网络End-to-End模型。通过将成对标记的训练数据输入网络进行迭代优化,卷积层能够提取亲子图像对的隐性特征,全连接层可以将提取的隐性特征映射为亲属关系认证的二分类问题,soft-max分类层能够直接判断该对样本是否具有亲属关系。

关键词：亲属关系认证特征融合度量学习支持向量机深度学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于相似度学习的亲属关系认证研究

基于相似度学习的亲属关系认证研究

作者：郑文娜北京化工大学

学位级别：硕士

亲属关系认证在生物遗传学领域主要是通过基因检测的方式来高准确率地辨别亲属关系,近年来,随着计算机视觉技术的发展,从面部信息挖掘用户的亲属关系也成为一个具有挑战性的课题。遗憾的是,目前的主流方法受样本标注有限的影响,往往存... 详细信息

亲属关系认证在生物遗传学领域主要是通过基因检测的方式来高准确率地辨别亲属关系,近年来,随着计算机视觉技术的发展,从面部信息挖掘用户的亲属关系也成为一个具有挑战性的课题。遗憾的是,目前的主流方法受样本标注有限的影响,往往存在泛化性不足、分离性较差等问题。为此,本文从相似度学习的角度出发,探索提高亲属关系认证准确度的方法,提出了基于参照列表比较的亲属关系认证方法和基于自适应圆损失的亲属关系认证方法。本文主要研究内容如下:(1)针对标注数据有限的现状,提出了一种基于参照列表比较的无监督亲属关系认证方法。该方法首先将数据集分为参考集和样本集,根据样本图像和参考集中所有图像之间的相似度排列生成参照列表,再利用两个参照列表反映对应样本图像之间的相似度,将问题的关键从单一的样本相似度度量转移到列表的相似度度量,从而突破小样本数据的限制,辅助实现亲属样本的相似度测量。在Kin Face W-I和Kin Face W-II两个亲属关系认证数据集上的实验结果表明,所提出的无监督方法在不使用外部数据或数据增强的情况下是有效的。(2)针对常用损失函数优化方向性和分离性差的问题,提出了一种基于自适应圆损失的亲属关系认证方法。该方法通过引入自适应的圆损失函数,利用调整余弦相似度作为相似度度量,并通过调整比例系数和间隔以实现针对不同图像特征的自适应优化。在两个基准亲属关系认证数据集上的实验结果表明,该方法可以获得更为优异的鉴别结果。

关键词：亲属关系认证度量学习无监督学习

基于稀疏表示和特征学习的单样本亲属关系认证算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表示和特征学习的单样本亲属关系认证算法研究

作者：刘怀飙燕山大学

学位级别：硕士

亲属人脸图像包含着丰富的生物本征关联信息,通过人脸图像进行亲属关系认证是模式识别和计算机视觉领域一个新的挑战,其目的是对给定的一对图像,系统能有效的判别他们之间是否存在亲属关系。相比于传统的DNA亲子鉴定方法,人脸图像亲属... 详细信息

亲属人脸图像包含着丰富的生物本征关联信息,通过人脸图像进行亲属关系认证是模式识别和计算机视觉领域一个新的挑战,其目的是对给定的一对图像,系统能有效的判别他们之间是否存在亲属关系。相比于传统的DNA亲子鉴定方法,人脸图像亲属关系认证有着高效、便捷等优点,这在寻找丢失儿童、视频关联度分析等方面有着广泛的应用前景。本文在已有的人脸识别和亲属认证算法基础上探讨了一些新的认证思路。首先,针对自然场景下人脸难以精准对齐等问题提出局部相似模板匹配算法,在子模块稀疏表示人脸识别算法基础上加入模块平移匹配和随机组合环节,使得字典原子与目标模板具有最佳匹配,且组合后特征对子女图像具有更好的表达能力。此外,针对子模块稀疏表示投票判决原则不能充分利用图像全局结构信息问题提出子模块投票与全局重建残差综合判决算法,使得判别结果有进一步提高。其次,针对传统欧氏测度不能有效描述亲属图像样本间复杂相似关系问题提出邻域排斥测度学习稀疏判决算法,利用已有亲属样本间相似程度先验知识学习最佳相似性度量,使之能更好刻画亲属样本间的相似关系,然后在新的测度空间下采用稀疏表示方法用父母样本集建立过完备字典线性表示子女图像,并以稀疏系数大小衡量样本间相似程度。此外,针对亲属样本间相似性不明显问题提出子模块综合稀疏认证方法,通过多重稀疏系数综合判别两输入样本的亲属关系。最后,针对已有的特征提取方法不能有目的的提取具有遗传特性可辨识能力的特征表达问题,提出基于Lightened CNN深度人脸特征表示的单样本亲属关系认证算法。通过对原始亲属样本进行逐层特征变换,将样本在原空间的特征表示变换到新的特征空间,自动地学习更本质的层次化特征表示,从而更有利于亲属关系的认证和特征的可视化,此外,网络采用MFM激活函数代替ReLU激活函数,使得输出特征更加紧致、可区分。

关键词：亲属关系认证稀疏表示局部相似模板匹配测度学习深度学习