Local Generic Representation for Face Recognition with Single Sample per Person (ACCV, 2014)

Posted 2020-12-05 wumh7

Abstract:

1. 每个类别单个样本的人脸识别（face recognition with single sample per person, SSPP）是一个非常有挑战性的任务，因为在这种情况下很难通过标准样本库（gallery set）里面的样本对待测样本（query sample）的人脸变化量（facial variation）进行预测;

2. 针对这个问题，这篇论文提出了一个基于局部通用表示（local generic representation）框架的人脸识别算法;

3. 该算法通过从标准样本库（gallery dataset）中抽取相邻的人脸图像块来建立一个局部标准字典（local gallery dictionary），并且利用外部的一个通用数据集（generic dataset)来建立一个类内变量字典（intra-class variation dictionary），从而实现的对可能的人脸变化量的预测（不同的光照，姿势，表情，遮挡物等）；

4. 该算法最小化待识别样本（query sample）与局部标准字典（local gallery dictionary）和通用变量字典（generic variation dictionary）的残差（residual），并且使用相关熵（correntropy）来每个图像块的表示残差（representation residual）。

 

算法框架