用于图像集检索成对线性回归分类方法研究.pdfVIP

用于图像集检索的成对线性回归分类

∗

,RushiLan计算机与信息科学

系，大学大学路，氹仔，，fengqx1988@.com,

yicongzhou@umac.mo,rslan2012@.com

因此，基于有限样本查询集的分类变得重要。

本文提出了用于图像集检索的成对线性回归分类

（PLRC）。在PLRC中，我们首先定义了一个新的不对于类似的分类任务，提出了双线性回归分类

相关子空间的概念，并引入了两种构建不相关子空间（DLRC）作为一种非参数方法。它借鉴了LRC

的策略。为了增加最大化查询集和不相关图像集的信的思想，并将LRC从基于单查询样本的方法扩展到

息量，我们引入了一种基于两种不相关子空间构建策基于图像集的方法。DLRC的性能优于一些知名的方

略的新分类器组合度量。在六个知名数据库上的大量法。然而，DLRC仅考虑相关类子空间进行分类。也就

实验表明，PLRC的性能优于DLRC和几种最先进的分是说，它只关注于最小化查询集与相关训练集之间的

类器，适用于不同的视觉识别任务：基于聚类的人脸距离。

识别、基于的人脸识别、物体识别和动作识别。

在本文中，我们提出了用于图像集检索的成对线性回归分

类（PLRC）。作为DLRC的改进版本，PLRC引入了新的

不相关子空间，以最大化查询集与不相关图像集之间的距

离，并利用一种结合了相关度量和新的不相关度量的新组

1.引言合度量进行分类。所PLRC的有效性在六个流行数

在模式识别和计算机视觉领域，图像分类任务据库上进行了评估。这些数据库包括LFW人脸数据库

（例如，人脸识别、物体识别和动作识别）吸引了许AR人脸数据库用于基于聚类的人脸识别，

Honda/UCSD数据库CMUMobo数据库用于

多研究人员的关注。众所周知，良好的性能高度依赖

基于的人脸识别，Caltech101对据库用于对

于分类器。提出了多种分类器，如邻（NN）

象识别，UCF50动作数据库用于动作识别。

支持向量机（SVM）分类器基于稀疏表示的分

类（SRC）和线性回归分类（LRC）。这些分

类器使用单个测试样本进行分类。然而，它们的分类性本文的主要贡献如下：

能通常取决于单个测试样本的基础或表示。，研究•我们提出了不相关子空间的概念以改进传统的DLRC方法。

人员更加关注基于图像集的分类，这是基于分类的

推广。它们都使用多个测试样本。在基于图像集的•利用这一概念，我们介绍了两种策略来构成不相

人脸识别被认为是与基于的人脸识别同一类别。几关的子空间。第一种策略中(18)的优化问题基于图

种基于图像集的方法仅使用数据库的基准进行评估像集，这与之前基于单个测试样本的SRC和

。然而，基于的分类并不适合某些应CRC中的优化问题不同。

用。例如，实时识别系统可能难以始终获得