...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Systems and Computers in Japan >Simultaneous Optimization of Class Configuration and Feature Space for Object Recognition
【24h】

Simultaneous Optimization of Class Configuration and Feature Space for Object Recognition

机译：同时优化对象识别的类配置和特征空间

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new algorithm for object classification based on an extension of Fisher's discriminant analysis is presented. Object recognition algorithms using the standard Fisher's algorithm, such as the Fisherface, train the classifier using sample-class pairs, where, for the classes, object categories determined in the application systems are used directly. In contrast, the new algorithm automatically produces subclasses, within each predetermined category, that are actually used for classification, via unsupervised learning. In order to perform this, we combine Fisher's discriminant analysis with the Akaike Information Criterion, optimizing the class configuration, that is, sample-subclass correspondences, and the feature extraction function simultaneously, thereby improving the potential of class separability. By applying this new method to face recognition, we show how it outperforms the traditional Fisher-based method.
机译：提出了一种基于Fisher判别分析扩展的目标分类新算法。使用标准Fisher算法（例如Fisherface）的对象识别算法使用样本-类对训练分类器，其中，对于这些类，直接使用应用系统中确定的对象类别。相比之下，新算法通过无监督学习自动在每个预定类别内自动生成实际用于分类的子类。为了执行此操作，我们将Fisher的判别分析与Akaike信息准则相结合，同时优化类配置（即样本-子类对应关系）和特征提取功能，从而提高了类可分离性的潜力。通过将这种新方法应用于人脸识别，我们将展示其优于传统的基于Fisher的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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