Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

28.08.2019 | Ausgabe 1/2020

Neural Processing Letters 1/2020

Discriminative Face Recognition Methods with Structure and Label Information via \(l_2\)-Norm Regularization

Zeitschrift:
Neural Processing Letters > Ausgabe 1/2020
Autoren:
Keqi Wang, Haifeng Hu, Lin Li, Tundong Liu
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Existing sparse representation methods either fail to incorporate the structure and label information of training samples, or suffer from expensive computation for \(l_1\)- or \(l_{2,1}\)-norm. In this paper, we propose three discriminative sparse representation classification methods with structure and label information based on \(l_2\)-norm regularization for robust face recognition. We propose the first classification method with structure and label information by enforcing competition among the representation results of training samples from different classes in representing a test sample. To make the classification more discriminative, we present the decorrelation classification method with structure and label information by jointly considering the competition and decorrelation regularizations. In addition, by incorporating the locality information of samples, we propose the third method called locality-constrained decorrelation classification method with structure and label information. The proposed methods not only contain the structure and label information of training samples, but also have low computational cost owing to the use of \(l_2\)-norm. All three methods have closed-form solutions, rendering them easy to solve and calculate efficiently. Importantly, the proposed methods can achieve better recognition results than most existing state-of-the-art sparse representation methods. Furthermore, based on the proposed methods, we illustrate the effect of different regularization constraints on the recognition performance. Experiments on the ORL, Extended YaleB, FERET, and LFW databases validate the effectiveness of the proposed methods.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2020

Neural Processing Letters 1/2020 Zur Ausgabe