《視覺識別中的實用魯棒回歸技術研究》是依託電子科技大學,由沈復民擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：視覺識別中的實用魯棒回歸技術研究
- 依託單位：電子科技大學
- 項目類別：青年科學基金項目
- 項目負責人：沈復民
項目摘要,結題摘要,
項目摘要
利用線性回歸產生的回歸殘差作為判別依據的識別技術是當前模式識別特別是視覺識別領域的一個熱門研究課題。這類技術假設測試樣本存在於同類的樣本展開的線性子空間內，即測試樣本可由同類樣本來線性表示。這類方法雖然簡單，但在很多情況下僅利用原始特徵即可取得很好的識別效果。然而，樣本（如圖像）的特徵中往往存在大量的噪聲，這使得線性子空間的假設失效，從而嚴重影響表示係數的回歸估計，使得識別率下降。本項目以人臉識別為例，擬重點研究實用的魯棒回歸算法，以期可以準確的檢測出圖像中的噪聲孤立點，從而做出準確的識別。本項研究的關鍵在於實用魯棒回歸算法的高準確性以及高計算效率。本研究的主要創新之處在於：1、引入最小截平方和回歸框架，並研究快速的近似算法；2、提出利用最小化無窮範數來快速檢測回歸中的孤立點；3、提出一個基於局部性限制的魯棒回歸技術。
結題摘要
利用線性回歸產生的回歸殘差作為判別依據的識別技術是當前模式識別特別是視覺識別領域的一個熱門研究課題。這類技術假設測試樣本存在於同類的樣本展開的線性子空間內，即測試樣本可由同類樣本來線性表示。這類方法雖然簡單，但在很多情況下僅利用原始特徵即可取得很好的識別效果。然而，樣本（如圖像）的特徵中往往存在大量的噪聲，這使得線性子空間的假設失效，從而嚴重影響表示係數的回歸估計，使得識別率下降。本項目以人臉識別為例，擬重點研究實用的魯棒回歸算法，以期可以準確的檢測出圖像中的噪聲孤立點，從而做出準確的識別。本項研究的關鍵在於實用魯棒回歸算法的高準確性以及高計算效率。本研究的主要創新之處在於：1、引入最小截平方和回歸框架，並研究快速的近似算法；2、提出利用最小化無窮範數來快速檢測回歸中的孤立點；3、提出一個基於局部性限制的魯棒回歸技術。
