多尺度补丁模糊决策

小样本人脸识别更优

引入类别信息的多尺度模糊决策方法，有效提升小样本人脸识别性能。

Pei, Shibing · 陈明浩 · Wang C.

International Journal of Machine Learning and Cybernetics 2024

技术优势

考虑类别差异

为每个类别引入权重向量，描述各尺度补丁在该类别中的重要性，从而在融合时保留类别特有信息。

引入模糊决策

使用模糊决策矩阵描述样本在单一尺度下属于不同类别的程度，为多尺度融合提供更丰富的类别归属信息。

联合同类与异类信息

优化目标函数同时考虑来自同类和不同类别的分类信息，增强了判别能力。

应用场景

• 小样本人脸识别：在每类样本极少时提升识别准确率，适用于安防、身份认证等场景。
• 图像分类：通过多尺度补丁融合类别信息，提升通用图像分类在小样本下的性能。
• 模式识别：提供一种融合类别先验的模式识别框架，可推广到其他识别任务。