Earticle

현재 위치 Home

Multi Feature Information Fusion Target Image Recognition Based on Hyper Plane Fusion of Learning Prototype

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJSIP) 바로가기
  • 간행물
    International Journal of Signal Processing, Image Processing and Pattern Recognition 바로가기
  • 통권
    Vol.9 No.12 (2016.12)바로가기
  • 페이지
    pp.103-112
  • 저자
    Zhou Gaiyun, Zhang Guoping, Chang Cunhong, Ma Li
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A298112

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
In view of the greater changes of posture, illumination, expression and scene in reality environment have a strong impact on wild face recognition algorithm to identify performance problem, and puts forward a kind of linear discriminant analysis side information (SILD) algorithm on hyperplane fusion of learning prototype. First of all, using support vector machine (SVM) to weak tag of data-concentrated sample is expressed as the middle-level characteristics of prototype hyperplane, using a learning combination coefficient to select sparse support vector set from untagged conventional data set; then, under the constraints of the combination sparse coefficient of SVM model, by using Fisher linear discriminant criterion to maximize discriminant ability of untagged data set, and using the iterative optimization algorithm to solve the objective function; in the end, using SILD for feature extraction, cosine similarity measure to complete the final face recognition. In two general face data sets of wild face recognition (LFW) and YouTube, it makes comparison of PHL+SILD method and low-level features + SILD method on some characteristics, such as strength, LBP, Gabor feature and Block Gabor feature, average accuracy, area under the curve (AUC) and entire error rate (EER). The validity and reliability of the proposed algorithm is verified by the experiments.

목차

Abstract
 1. Introduction
 2. Proposed Algorithm
  2.1. Learning Algorithm of Prototype Hyper Plane
  2.2. Dimensionality Reduction and Recognition
 3. Experiment
  3.1. Dataset
  3.2. Parameter Discussion
  3.3. Comparison and Analysis
 4. Conclusion
 References

키워드

Wild face recognition Prototype hyperplane learning Middle-level character representation Support vector machine Linear discriminant analysis information

저자

  • Zhou Gaiyun [ Software Academy, Pingdingshan University, Pingdingshan, Henan, China ]
  • Zhang Guoping [ Software Academy, Pingdingshan University, Pingdingshan, Henan, China ]
  • Chang Cunhong [ School of computer and information technology, Shangqiu Normal University,Shangqiu, China ]
  • Ma Li [ Software Academy, Pingdingshan University, Pingdingshan, Henan, China ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJSIP) [Science & Engineering Research Support Center, Republic of Korea(IJSIP)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Signal Processing, Image Processing and Pattern Recognition
  • 간기
    격월간
  • pISSN
    2005-4254
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Signal Processing, Image Processing and Pattern Recognition Vol.9 No.12

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.