摘要：传统的脸部识别算法在良好控制的环境下可以实现非常高的性能。然而，当脸部图像的分辨率变化时，这些算法的性能则非常低。一个两步框架被提出，它通过采用超分辨率（SR）并在超分辨脸部图像上进行脸部识别来解决分辨率问题。然而，当SR重点更多的集中于视觉增强，而不是分类精度时，该方法在识别任务方面的性能通常都比较低。最近，不同分辨率的Coupled Mapping（CM）已经被引入到脸部识别框架，它学习一个高分辨率（HR）和低分辨率（LR）脸部图像的共同特征子空间。本文中，受到最大边缘投影的启发，我们提出了大幅度的耦合映射（ＬＭＣＭ）算法，学会预测以最大限度地提高类间对象和在公共空间中的类内距离。公众FERET和SCface数据库的实验结果表明，ＬＭＣＭ对于低分辨率的脸部识别是有效的。
关键词：耦合映射·低分辨率脸部识别·大幅度耦合映射·FERET SCface
Jiaqi Zhang
任职：清华大学深圳研究生院
研究方向：人工智能，模式识别，计算机视觉，图像处理
相关学术研究
· “Off-line Signature Verification using Local Features and Decision Trees ”（ International Journal of Pattern Recognition and Artificial Intelligence ２０１６）
·“Dynamic Background Estimation and Complementary Learning for Pixel-wise Foreground/Background Segmentation ”
via：PRICAI 2016
PS : 本文由雷锋网(公众号：雷锋网)独家编译，未经许可拒绝转载！
本文作者：章敏
本文转自雷锋网禁止二次转载，原文链接
相关资源：人脸识别教程（非常全面）