2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、人臉識別技術(shù)通過引入低秩子空間恢復(fù)理論取得了重大進(jìn)展并成為研究熱點(diǎn),本文在國內(nèi)外相關(guān)低秩子空間恢復(fù)理論的研究成果基礎(chǔ)上,提出了基于低秩子空間恢復(fù)的人臉識別新思路。
  首先,針對實(shí)際獲取人臉圖像存在光照強(qiáng)度差異、表情變化以及遮擋等原因影響圖像原始低秩結(jié)構(gòu)的問題,提出基于低秩子空間恢復(fù)多子空間稀疏表示人臉識別算法。首先,將訓(xùn)練樣本分塊,利用分塊后的子模塊重構(gòu)訓(xùn)練字典并將訓(xùn)練字典低秩分解得到低秩矩陣和稀疏誤差矩陣。然后,將低秩矩陣進(jìn)行

2、主成分分析得到映射矩陣,將分塊后的訓(xùn)練字典和測試樣本分別在映射矩陣上投影。最后,在投影后的低秩空間進(jìn)行最大概率稀疏表示分類判別,并統(tǒng)計(jì)得出分類結(jié)果。
  其次,針對低秩子空間恢復(fù)中得到的稀疏誤差部分可以有效預(yù)測測試樣本在訓(xùn)練樣本原有低秩結(jié)構(gòu)基礎(chǔ)之上可能存在的變化情況,提出基于低秩子空間恢復(fù)聯(lián)合降維與字典學(xué)習(xí)稀疏表示人臉識別算法。首先,利用訓(xùn)練樣本的低秩矩陣和稀疏誤差矩陣聯(lián)合構(gòu)造新的訓(xùn)練字典。然后,學(xué)習(xí)一個(gè)新的訓(xùn)練字典和與之匹配的映

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論