Sep, 2016

基于半监督稀疏表示的人脸识别分类算法（样本不充分）

PDF
TL;DR本文提出了一种名为 S$^3$RC 的方法，它能够在面部图像仅有极少标注数据、被噪声数据干扰的情况下进行人脸识别，该方法利用稀疏表示框架来表示面部图像中的两个字典（画廊字典和变化字典），并应用高斯混合模型和半监督学习方法来预测面部图像。实验结果表明，该方法在 AR、Multi-PIE、CAS-PEAL 和 LFW 数据库上的表现要显著优于现有方法。
发现论文，激发创造
  • 异构人脸识别的共享表示学习

    本研究提出了一种基于深度学习无监督算法的异质人脸识别框架，通过在局部人脸点处提取 Gabor 特征，并使用 RBM 学习本地共享表示来消除每个人脸点周围的异质性。最后，将局部 RBM 的共享表示连接在一起，并通过 PCA 处理，成功地解决了 Sketch-Photo 和 NIR-VIS 问题，并在相应的数据库上取得了最佳实验结果。

    Jun, 2014

  • 不充分和不正确监督下的学习

    本文提出了一种新颖的半监督学习范式，旨在解决标签不足和标签不准确的问题，该方法使用图来连接数据点以便在图边沿将标签信息从稀少标记示例传播到未标记的示例。实验证明，该方法在图像分类、文本分类和语音识别等领域有效降低标签误差，表现优于其他现有的半监督学习方法。

    Feb, 2019

  • 纯净半监督学习：在只有很少标记图像的情况下进行半监督学习

    本文针对有限标注信息下的半监督学习进行研究，分析了当前应用最广的半监督学习方法 FixMatch 在这种情况下的表现和局限，提出了一种利用自监督学习方法提供训练信号以及优化伪标签筛选过程的方案，并在 STL-10 数据集上得到了显著提高。

    Dec, 2021

  • S4L：自监督半监督学习

    本研究探讨了图像分类器的半监督学习问题，提出了自监督半监督学习框架，并使用该框架派生出两种新的半监督图像分类方法。在 ILSVRC-2012 测试中，证明了该方法与现有半监督学习方法相比的有效性和新的最佳结果。

    May, 2019

  • 面部动作的线性解耦表示学习

    本文提出了一种线性模型来处理具有挑战性的现实多通道信号，该模型在 2D 面部视频中进行人脸动作识别，其基于稀疏表示分类的直观线性模型，利用帧之间的低秩性质来减去底层的中性脸部，从而识别面部动作单位，取得不错的性能。

    Jan, 2017

  • 基于原型形状先验的半监督单视角 3D 重建

    提出一种半监督三维重建框架 SSP3D，引入基于注意力引导的原型形状先验模块、鉴别器引导模块和正则化器来实现更好的形状生成，在 ShapeNet 基准测试中，在不同标注率下，性能均明显优越，并且对于少量有标注数据的新类别也能够取得很好的成果。

    Sep, 2022

  • 基于协同表征的人脸识别分类

    本文讲述基于稀疏表示的分类 (SRC) 和基于合作表示的分类 (CRC) 的原理及其在人脸识别中的应用，并通过各种实例来展示不同范数特征值对于 CRC 的鲁棒性和区分度的影响。

    Apr, 2012

  • 使用耦合稀疏支持的线性模型进行人脸图像超分辨率重建

    本文提出一种基于稀疏编码和多元岭回归的学习方法，其通过高分辨率流形的局部几何结构来学习线性模型，相较于使用低分辨率流形，该方法具有更好的人脸超分辨率表现和质量。

    Dec, 2015

  • 弱监督学习下的精确三维人脸重构：从单张图像到图像集

    本文提出了一种使用深度学习技术进行 3D 面部重建的新方法，其中使用了混合损失函数进行弱监督学习，同时利用多个图像进行面部重建，实现了快速、准确、鲁棒的重建效果，对不同数据集进行了综合实验，并与 15 种现有方法进行了比较，证明了其性能处于领先地位。

    Mar, 2019

  • 缺失随机标签时的可靠半监督学习

    本文介绍了一种半监督学习的方法， 采用生成模型与监督学习算法，放松了对未标记特征的约束，可提高分类器的可靠性，从而准确量化标签不确定度。

    Nov, 2018