研究目的
提出一种新的基于局部知识的协同表示模型用于图像分类,该模型利用相似样本表示之间的相似性来提升人脸识别任务中的判别能力和鲁棒性。
研究成果
提出的LKCR模型有效地将局部一致性先验信息融入协同表示框架中,提升了图像识别任务的判别能力和鲁棒性。大量实验表明其优于现有分类器,其中鲁棒版本(R-LKCR)在处理遮挡和损坏方面展现出特别优势。
研究不足
LKCR中邻近训练样本的搜索策略在处理大型数据集时较为耗时,这表明未来工作需要对此进行优化。
研究目的
提出一种新的基于局部知识的协同表示模型用于图像分类,该模型利用相似样本表示之间的相似性来提升人脸识别任务中的判别能力和鲁棒性。
研究成果
提出的LKCR模型有效地将局部一致性先验信息融入协同表示框架中,提升了图像识别任务的判别能力和鲁棒性。大量实验表明其优于现有分类器,其中鲁棒版本(R-LKCR)在处理遮挡和损坏方面展现出特别优势。
研究不足
LKCR中邻近训练样本的搜索策略在处理大型数据集时较为耗时,这表明未来工作需要对此进行优化。
加载中....
您正在对论文“一种基于新局部知识的图像识别协同表示方法”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期