クロスポーズの顔認識のための結合バイアス分散トレードオフ

サブスペースベースの顔の表現は、回帰問題と見なすことができます。この観点から、私たちは最初に、ポーズの違いにわたって顔を認識する問題を再検討しました。これは、顔認識のボトルネックです。次に、結合したバイアス分散トレードオフを備えたリグレッサーを使用したクロスポーズフェイス認識の新しいアプローチを提案します。バイアスとさまざまなポーズの回帰の分散との結合バランスを描くことで、リグレッサーベースのクロスポーズ顔の表現が改善される可能性があることがわかりました。つまり、回帰体はポーズの違いに対してより安定することがあります。基本的なアイデアにより、尾根回帰とラッソの回帰が調査されています。CMUパイ、フェレット、およびマルチパイフェイスデータベースの実験結果は、提案されたバイアス分散トレードオフが認識パフォーマンスでかなりの強化を達成できることを示しています。

Subspace-based face representation can be looked as a regression problem. From this viewpoint, we first revisited the problem of recognizing faces across pose differences, which is a bottleneck in face recognition. Then, we propose a new approach for cross-pose face recognition using a regressor with a coupled bias-variance tradeoff. We found that striking a coupled balance between bias and variance in regression for different poses could improve the regressor-based cross-pose face representation, i.e., the regressor can be more stable against a pose difference. With the basic idea, ridge regression and lasso regression are explored. Experimental results on CMU PIE, the FERET, and the Multi-PIE face databases show that the proposed bias-variance tradeoff can achieve considerable reinforcement in recognition performance.