首页> 中文期刊> 《山东大学学报:工学版》 >用于亲属关系鉴别的成对约束组合度量学习

用于亲属关系鉴别的成对约束组合度量学习

         

摘要

针对现有的度量学习方法存在训练参数多,容易导致过拟合和鲁棒性差的问题,提出一种成对约束组合度量学习方法(pairwise constrained compositional metric learning, PCCML),利用数据集中生成的局部判别度量,学习各组份度量的最优权重组合。在大边距框架下,PCCML通过约束正样本对马氏距离小于较小的阈值,负样本对马氏距离大于较大的阈值,有效提高了鉴别精度。在KinFaceW-I和KinFaceW-II基准数据集上的试验结果表明了所提出的PCCML方法对鉴别亲属关系问题的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号