基于公理模糊集与粒计算的人脸语义提取方法
在人脸检索和验证领域,人类更倾向于通过描述对象特征的"语义"或"概念"来对人脸进行相似性判别,而传统的图像检索已无法满足这一需求.因此,本文提出了一种基于公理模糊集(axiomatic fuzzy sets,AFS)与信息粒的人脸语义提取方法(IAFSGD).首先,对人脸图像进行校正并检测人脸关键点,进而基于关键点提取人脸特征;然后,对人脸面部特征样本进行聚类,构建类中心,在AFS框架下求取每类的信息粒,并通过得到的信息粒对人脸图像再次进行分类,从而得到最终的聚类结果和具有可解释性的面部语义描述;最后,将本文提出的算法在Multi-PIE、AR、FEI人脸数据库进行实验验证.实验结果表明,与FCM(fuzzy c-means)、CAN(clustering with adaptive neighbors)、FCMGD、AFSGD、KTM(K-means tree)算法相比,本文提出的语义提取方法可以获得与人类感知更为接近的聚类结果,且结果具备很好的可解释性.
语义提取、AFS理论、信息粒、聚类、人脸检索、关键点检测、隶属函数、公理模糊集
17
TP391.4(计算技术、计算机技术)
促进与加拿大、澳大利亚;新西兰及拉美地区科研合作与高层次人才培养项目;辽宁省教育厅基础研究项目;辽宁省科技厅自然科学基金面上项目
2022-10-14(万方平台首次上网日期,不代表论文的发表时间)
共11页
1021-1031