MétaCan
Menu
Retour à la cohorte
Enregistrement W2009328162 · doi:10.1109/smc.2014.6973888

Multi-resolution fusion of DTCWT and DCT for shift invariant face recognition

2014· article· en· W2009328162 sur OpenAlexaff
Madeena Sultana, Marina L. Gavrilova, Svetlana Yanushkevich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueFace and Expression Recognition
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligenceDiscrete cosine transformPattern recognition (psychology)Complex wavelet transformFacial recognition systemComputer scienceRobustness (evolution)Discriminative modelInvariant (physics)FusionSubspace topologyFeature extractionLinear discriminant analysisWavelet transformMathematicsComputer visionDiscrete wavelet transformWaveletImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

A novel Multi-Resolution Fusion (MRF) of Dual-Tree Complex Wavelet Transform (DTCWT) and Discrete Cosine Transform (DCT) is introduced in this paper. Shift invariant multi-scale feature set is obtained using 2D DTCWT. Subsequently, discriminant DCT coefficients are extracted to map the high dimensional features into low dimensional subspace. The resulting feature vector contains non-redundant discriminative information and is small in size. Therefore, the proposed face recognition technique exhibits computational efficiency, low storage requirement along with high recognition rate under varying shift conditions. It also provides robustness to expression and illumination change. The performance evaluation is accomplished on four standard face databases. Experimental results show significant performance improvement over existing well-established face recognition methods under varying conditions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,263

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,255
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFace and Expression RecognitionTravaux en français237 207