KIII模型及其在人脸识别中的应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 245-248.

• 工程与应用 • 上一篇

KIII模型及其在人脸识别中的应用

张锦^1,2,李司铎¹,李光²

1.湖南大学软件学院，长沙 410082
2.浙江大学工业控制国家重点实验室，杭州 310027

收稿日期:2007-12-26 修回日期:2008-02-21 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 张锦

KIII model and its application to face recognition

ZHANG Jin^1,2,LI Si-duo¹,LI Guang²

1. School of Software，Hunan University，Changsha 410082，China
2. National Laboratory of Industrial Control Technology，Zhejiang University，Hangzhou 310027，China

Received:2007-12-26 Revised:2008-02-21 Online:2008-05-01 Published:2008-05-01
Contact: ZHANG Jin

摘要/Abstract

摘要： 对一种模拟嗅觉神经系统的仿生模型、KIII模型、及其在人脸识别中的应用进行了研究。论文首先分析了KIII模型模式识别原理，然后基于人脸识别对模型的模式容量问题进行了研究。使用子图特征组合算法提取人脸特征后，在ORL人脸数据库上的实验结果表明，KIII模型的模式容量至少可以达到40，这也更新了之前认为KIII模型模式容量约为26的观点。

关键词: 嗅觉神经系统, 仿生模型, 人脸识别, 相图

Abstract: A bionic mode simulating olfactory neural system，KIII model，and its application to face recognition are researched in this paper. Firstly，the pattern recognition principle of KIII model is analyzed. Then，its capability to recognizing different patterns is researched based on face recognition. The face feature is extracted using sub-image feature combination algorithm. According to ORL face database，experimental results show that KIII model can recognize more than 40 patterns. It renews the opinion that KIII model can only recognize about 26 patterns.

Key words: olfactory neural system, bionic model, face recognition, phase diagram

张锦^1,2,李司铎¹,李光². KIII模型及其在人脸识别中的应用[J]. 计算机工程与应用, 2008, 44(13): 245-248.

ZHANG Jin^1,2,LI Si-duo¹,LI Guang². KIII model and its application to face recognition[J]. Computer Engineering and Applications, 2008, 44(13): 245-248.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.

KIII模型及其在人脸识别中的应用

KIII model and its application to face recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics