Discriminative cost sensitive Laplacian score for face recognition
Discriminative cost sensitive Laplacian score for face recognition
复制标题
用于人脸识别的判别成本敏感拉普拉斯分数
DOI：
10.1016/j.neucom.2014.10.059
复制
发表时间：
2015-03
期刊：
影响因子：
6
通讯作者：
Yinjuan Chen
中科院分区：
文献类型：
--
作者：
Jianwu Wan;Ming Yang;Yinjuan Chen
近年来，人脸识别被认为是一个成本敏感的学习问题。例如，在基于人脸识别系统的门锁中，可能会给画廊人带来不便，被误识别为冒名顶替者而不允许进入房间，但如果冒名顶替者被误识别为画廊人并允许进入房间，则可能会导致严重的损失或损害。为了解决人脸识别中的成本敏感问题，人们提出了许多成本敏感的分类器。然而，人脸识别是一个高维问题，对成本敏感的特征选择的研究还没有得到足够的重视。在本文中，我们提出了一种用于人脸识别的成本敏感特征选择方法，称为判别成本敏感拉普拉斯评分（DCSLS）。 DCSLS的主要贡献如下：（1）DCSLS将局部判别分析的思想融入到Laplacian Score中，优先选择能够同时最小化类内局部邻域关系和最大化类间局部邻域关系的特征； (2) DCSLS将误分类成本嵌入到拉普拉斯分数中，满足最小误分类损失准则。在 ORL、Extend Yale B、PIE、AR、FERET 和 FRGC-204 六个人脸数据集上的大量实验结果表明了 DCSLS 的优越性。
In recent years, face recognition is being recognized as a cost sensitive learning problem. For example, in a door-locker based on the face recognition system, it may make a gallery person inconvenient, who is misrecognized as an impostor and not allowed to enter the room, but it could result in a serious loss or damage if an imposter is misrecognized as a gallery person and allowed to enter the room. To deal with the cost sensitive problem in face recognition, many cost sensitive classifiers have been proposed. However, face recognition is a high dimensional problem, no sufficient attention is paid to the research on cost sensitive feature selection. In this paper, we propose a cost sensitive feature selection method called Discriminative Cost Sensitive Laplacian Score (DCSLS) for face recognition. The main contributions of DCSLS are as follows: (1) DCSLS incorporates the idea of local discriminant analysis into Laplacian Score, which prefers the features that can minimize the local neighborhood relationship of within-class and maximize the local neighborhood relationship of between-class, simultaneously; (2) DCSLS embeds the misclassification cost in Laplacian Score, which satisfies the minimal misclassification loss criterion. Extensive experimental results on six face data sets: ORL, Extended Yale B, PIE, AR, FERET and FRGC-204 show the superiority of DCSLS.
登录
查看更多内容
DOI：
10.1109/tc.1978.1674981
发表时间：
2015
期刊：
--
影响因子：
--
作者：
通讯作者：
--
DOI：
10.1109/tifs.2014.2343833
发表时间：
2014-10
影响因子：
6.8
作者：
Wan, Jianwu;Yang, Ming;Gao, Yang;Chen, Yinjuan
通讯作者：
Chen, Yinjuan
DOI：
10.1016/s0065-2458(08)60404-0
发表时间：
1993
期刊：
Adv. Comput.
影响因子：
--
作者：
Franziska Wulf
通讯作者：
Franziska Wulf
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
10.1109/iccv.2013.31
发表时间：
2013-12
期刊：
2013 IEEE International Conference on Computer Vision
影响因子：
--
作者：
Oisin Mac Aodha;G. Brostow
通讯作者：
Oisin Mac Aodha;G. Brostow