期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于模糊自适应共振理论映射算法的单样本三维人脸识别
被引量:
1
1
作者
王斯藤
唐旭晟
陈丹
《计算机应用》
CSCD
北大核心
2014年第9期2595-2599,共5页
针对传统的三维人脸识别分类算法大多需要多个样本进行训练,而在单训练样本的前提下识别性能会严重降低的问题,提出了基于模糊自适应共振理论映射(Fuzzy ARTMAP)的算法对三维人脸数据库进行分类识别。首先对三维人脸深度图像进行局部二...
针对传统的三维人脸识别分类算法大多需要多个样本进行训练,而在单训练样本的前提下识别性能会严重降低的问题,提出了基于模糊自适应共振理论映射(Fuzzy ARTMAP)的算法对三维人脸数据库进行分类识别。首先对三维人脸深度图像进行局部二值模式(LBP)统一模式算子的特征提取,再对LBP特征进行Log-Gabor小波变换,提取图像的频域特征向量作为训练的输入向量,最后将单样本训练向量集送入Fuzzy ARTMAP分类器进行训练识别。该算法在FRGC v2.0三维人脸数据库中的识别率可达到87.15%,分类器的训练时间为24.88s,单张待识别人脸样本与单张已注册的人脸匹配时间为0.0015 s,一张新的人脸样本在数据库完成一次搜索匹配则需要1.08 s。实验结果表明,所提方法在测试中的性能优于概率神经网络(PNN)和极限学习机神经网络(ELM),既能保证较高的识别率,又能拥有较短的训练时间,且时间增幅稳定,可控性强。
展开更多
关键词
三维人脸识别
模糊自适应共振理论映射
单
样本
训练
局部二值模式
LOG-GABOR小波
下载PDF
职称材料
标架丛上的局部特征联络学习算法
2
作者
张启明
李凡长
《计算机科学与探索》
CSCD
北大核心
2016年第4期533-542,共10页
人脸识别问题中,经常会面临样本少的情况,在身份证识别、电子护照识别等系统中,甚至只有一个训练样本,很多传统人脸识别方法在处理单样本时将失效。从流形学习角度出发提出了一种有效解决单样本人脸识别的方法。以自组织映射神经网络为...
人脸识别问题中,经常会面临样本少的情况,在身份证识别、电子护照识别等系统中,甚至只有一个训练样本,很多传统人脸识别方法在处理单样本时将失效。从流形学习角度出发提出了一种有效解决单样本人脸识别的方法。以自组织映射神经网络为基础,将人脸局部特征(眼、鼻、嘴等)视为一个流形,训练出多流形结构。利用联络关联不同的流形,同时学习出局部特征流形间与流形内的方向变化信息,再进行有监督的训练。整个方法结合了神经网络学习和流形学习,将单样本人脸识别问题转换成多流形匹配问题。在著名人脸库ORL、UMIST、FERET、AR上的实验显示该算法在处理单样本问题时优于已有算法,在处理姿态、表情等变化问题时也表现出很好的效果。
展开更多
关键词
联络学习
标架丛
多流形
横空间
纵空间
单
样本
训练
下载PDF
职称材料
基于单样本的ART神经网络训练算法
3
作者
陈宁
《广西师范大学学报(自然科学版)》
CAS
北大核心
2008年第3期133-136,共4页
由于成本和客观条件的限制,样本集合不可能无限大,很多时候只能是单样本的情况。将多尺度金字塔算法引入图像处理,将单样本转化成为系列低精度的子图像,作为ART神经网络的训练集合,训练ART神经网络中的注意机制,这符合人的视觉认知原理...
由于成本和客观条件的限制,样本集合不可能无限大,很多时候只能是单样本的情况。将多尺度金字塔算法引入图像处理,将单样本转化成为系列低精度的子图像,作为ART神经网络的训练集合,训练ART神经网络中的注意机制,这符合人的视觉认知原理,即调节注意焦点实现由粗到精的认知图像的过程。进一步,多项式样条金字塔算法被采用,提高了计算效率,降低了复杂度。
展开更多
关键词
ART
单
样本
训练
集
视觉注意机制
多尺度
下载PDF
职称材料
题名
基于模糊自适应共振理论映射算法的单样本三维人脸识别
被引量:
1
1
作者
王斯藤
唐旭晟
陈丹
机构
福州大学机械工程及自动化学院
出处
《计算机应用》
CSCD
北大核心
2014年第9期2595-2599,共5页
基金
福建省自然科学基金资助项目(2013J01226)
文摘
针对传统的三维人脸识别分类算法大多需要多个样本进行训练,而在单训练样本的前提下识别性能会严重降低的问题,提出了基于模糊自适应共振理论映射(Fuzzy ARTMAP)的算法对三维人脸数据库进行分类识别。首先对三维人脸深度图像进行局部二值模式(LBP)统一模式算子的特征提取,再对LBP特征进行Log-Gabor小波变换,提取图像的频域特征向量作为训练的输入向量,最后将单样本训练向量集送入Fuzzy ARTMAP分类器进行训练识别。该算法在FRGC v2.0三维人脸数据库中的识别率可达到87.15%,分类器的训练时间为24.88s,单张待识别人脸样本与单张已注册的人脸匹配时间为0.0015 s,一张新的人脸样本在数据库完成一次搜索匹配则需要1.08 s。实验结果表明,所提方法在测试中的性能优于概率神经网络(PNN)和极限学习机神经网络(ELM),既能保证较高的识别率,又能拥有较短的训练时间,且时间增幅稳定,可控性强。
关键词
三维人脸识别
模糊自适应共振理论映射
单
样本
训练
局部二值模式
LOG-GABOR小波
Keywords
3D face recognition
Fuzzy ARTMAP(Fuzzy Adaptive Resonance theory MAP)
single sample training
Local Binary Pattern(LBP)
Log-Gabor wavelet
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
标架丛上的局部特征联络学习算法
2
作者
张启明
李凡长
机构
苏州大学计算机科学与技术学院
出处
《计算机科学与探索》
CSCD
北大核心
2016年第4期533-542,共10页
基金
国家自然科学基金Nos.61033013
60775045
东吴学者计划No.14317360~~
文摘
人脸识别问题中,经常会面临样本少的情况,在身份证识别、电子护照识别等系统中,甚至只有一个训练样本,很多传统人脸识别方法在处理单样本时将失效。从流形学习角度出发提出了一种有效解决单样本人脸识别的方法。以自组织映射神经网络为基础,将人脸局部特征(眼、鼻、嘴等)视为一个流形,训练出多流形结构。利用联络关联不同的流形,同时学习出局部特征流形间与流形内的方向变化信息,再进行有监督的训练。整个方法结合了神经网络学习和流形学习,将单样本人脸识别问题转换成多流形匹配问题。在著名人脸库ORL、UMIST、FERET、AR上的实验显示该算法在处理单样本问题时优于已有算法,在处理姿态、表情等变化问题时也表现出很好的效果。
关键词
联络学习
标架丛
多流形
横空间
纵空间
单
样本
训练
Keywords
connection learning
frame bundle
multi-manifold
horizontal space
vertical space
one training sample
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于单样本的ART神经网络训练算法
3
作者
陈宁
机构
西安工程大学计算机科学学院
出处
《广西师范大学学报(自然科学版)》
CAS
北大核心
2008年第3期133-136,共4页
基金
国家863计划资助项目(2005AA142150)
西安工程大学基础研究基金资助项目(XGJ07008)
文摘
由于成本和客观条件的限制,样本集合不可能无限大,很多时候只能是单样本的情况。将多尺度金字塔算法引入图像处理,将单样本转化成为系列低精度的子图像,作为ART神经网络的训练集合,训练ART神经网络中的注意机制,这符合人的视觉认知原理,即调节注意焦点实现由粗到精的认知图像的过程。进一步,多项式样条金字塔算法被采用,提高了计算效率,降低了复杂度。
关键词
ART
单
样本
训练
集
视觉注意机制
多尺度
Keywords
ART
single example training
attention mechanism
multi-resolution
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于模糊自适应共振理论映射算法的单样本三维人脸识别
王斯藤
唐旭晟
陈丹
《计算机应用》
CSCD
北大核心
2014
1
下载PDF
职称材料
2
标架丛上的局部特征联络学习算法
张启明
李凡长
《计算机科学与探索》
CSCD
北大核心
2016
0
下载PDF
职称材料
3
基于单样本的ART神经网络训练算法
陈宁
《广西师范大学学报(自然科学版)》
CAS
北大核心
2008
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部