《Robust Face Recognition via Sparse Representation》
2013-10-21 21:34
253 查看
最先提出将稀疏表示用于人脸识别的文章,又重新看了一下,重点关注了对于噪声和遮挡的处理,记录一下。
因为假设了噪声e0是个稀疏向量,才能将噪声情况统一到SRC的框架下。
并且对e0的稀疏程度进行了分析。
结论是:当噪声或者遮挡损坏的像素信息低于50%左右的时候,改方法才能保证得到稀疏解。这也解释了为什么当噪声高于50%时,该方法的效果不好。
当用L1-norn进行限制时,这个比例还会被缩小。
另外,在判别类别的时候也所有改变:
另外,对于有遮挡的情况,文中使用的分块投票的策略,因为用全局的话结果特别不好。
因为假设了噪声e0是个稀疏向量,才能将噪声情况统一到SRC的框架下。
并且对e0的稀疏程度进行了分析。
结论是:当噪声或者遮挡损坏的像素信息低于50%左右的时候,改方法才能保证得到稀疏解。这也解释了为什么当噪声高于50%时,该方法的效果不好。
当用L1-norn进行限制时,这个比例还会被缩小。
另外,在判别类别的时候也所有改变:
另外,对于有遮挡的情况,文中使用的分块投票的策略,因为用全局的话结果特别不好。
相关文章推荐
- 稀疏表示人脸识别入门文章-《Robust Face Recognition via Sparse Representation》马毅
- 稀疏表示《Robust Face Recognition via Sparse Representation》
- Robust Face Recognition via Sparse Representation
- 《Robust Face Recognition via Sparse Representation》
- High Dimensional Pattern Recognition via Sparse Representation
- 《Gabor feature based sparse representation for face recognition with gabor occlusion dictionary》
- 《Robust Sparse Coding for Face Recognition》
- EfficientMisalignment-Robust Representation for Real-Time Face Recognition
- Robust Visual Tracking and Vehicle Classification via Sparse Representation 阅读小结
- 基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》
- 基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》
- 《Robust classification using structured sparse representation》
- Robust Face Alignment Under Occlusion via Regional Predictive Power Estimation
- Hyperspectral Image Super-Resolution via Non-Negative Structured Sparse Representation论文阅读笔记(PART)
- A Review of Fast L1-Minimization Algorithms for Robust Face Recognition
- Group Sparse Coding For Face Recognition
- Vehicle Identification Via Sparse Representation
- 《Structured Sparse Error Coding for Face Recognition With Occlusion》
- 计算机视觉和模式识别中的稀疏表示(Sparse Representation for Computer Vision and Pattern Recognition)
- 《Close the Loop: Joint Blind Image Restoration and Recognition with Sparse Representation Prior》阅读笔记