计算机应用研究

作者：任珍文,吴明娜,

单位：1.西南科技大学国防科技学院,四川绵阳621010；2.南京理工大学计算机科学与技术学院,南京210094；

关键词：图像集分类,原型学习,尺度学习,人脸识别,目标识别,模式识别,

基金：国家国防科技工业局项目(JCKY2017209B010)；四川省国防科技工业办公室资助项目(ZYF-2018-106)；国家自然科学基金资助项目(61601383)；；

为了利用图像集中的集合信息来提高图像识别精度以及对图像变化的鲁棒性，从而大幅降低诸如姿态、光照、遮挡和未对齐等因素对识别精度的影响，提出了一种用于图像集分类的图像集原型与投影学习算法（LPSOP）。该算法针对每个图像集学习有代表性的点（原型）以及一个正交的全局投影矩阵，使得在目标子空间的每个图像集可以被最优地分类到同类的最近原型集中。用学习到的原型来代表该图像集，既能降低冗余图像干扰，又能减少存储和计算开销，学习到的投影矩阵能够大幅提高分类精度与噪声鲁棒性。在UCSD/Honda、CMU MoBo和YouTube celebrities这三个数据集上的实验结果表明，LPSOP比目前流行的图像集分类算法具有更高的识别精度和更好的鲁棒性。

来源：2020年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第5期