Recherche dans les collections de brevets nationales et internationales

1. (WO2017166933) PROCÉDÉ ET SYSTÈME DE RECONNAISSANCE FACILE PAR FACTORISATION DE MATRICE NON NÉGATIVE SUR LA BASE D'UN APPRENTISSAGE AUTOMATIQUE DE NOYAU

Pub. No.:    WO/2017/166933    International Application No.:    PCT/CN2017/073675
Publication Date: Fri Oct 06 01:59:59 CEST 2017 International Filing Date: Thu Feb 16 00:59:59 CET 2017
IPC: G06K 9/00
Applicants: SHENZHEN UNIVERSITY
深圳大学
Inventors: CHEN, Wensheng
陈文胜
ZHAO, Yang
赵阳
CHEN, Bo
陈波
PAN, Binbin
潘彬彬
Title: PROCÉDÉ ET SYSTÈME DE RECONNAISSANCE FACILE PAR FACTORISATION DE MATRICE NON NÉGATIVE SUR LA BASE D'UN APPRENTISSAGE AUTOMATIQUE DE NOYAU
Abstract:
L'invention concerne un procédé et un système de reconnaissance faciale par factorisation de matrice non négative sur la base d'un apprentissage automatique de noyau, le procédé de reconnaissance faciale comprenant les étapes consistant : A, à représenter chaque image d'échantillon d'apprentissage prédéfinie par un vecteur colonne (S1) ; B, à construire une matrice de noyau semi-définie positive symétrique Kxx sur la base de la fonction noyau connue et de vecteurs d'échantillon d'apprentissage (S2) ; C, à établir respectivement trois fonctions objectif et à minimiser les fonctions objectif au moyen d'une itération croisée, et à obtenir de nouvelles caractéristiques des échantillons d'apprentissage dans un espace de noyau et deux matrices de noyau associées aux échantillons mappés de façon non linéaire (S3) ; D, au moyen des deux matrices de noyau obtenues à l'étape d'apprentissage, à projeter des échantillons de test vers l'espace de noyau pour obtenir de nouvelles caractéristiques des échantillons de test dans l'espace de noyau (S4) ; et E, à utiliser une méthode du plus proche voisin pour comparer les nouvelles caractéristiques des échantillons de test avec les nouvelles caractéristiques de chaque type de l'échantillon d'apprentissage prédéfini de manière à classifier et reconnaître davantage les échantillons de test (S5). Le procédé saute le processus d'apprentissage d'image d'origine par apprentissage direct de deux matrices de noyau Kwx et Kww ; le procédé évite ainsi le processus de dérivation de fonction de noyau par changement de l'objet d'apprentissage, et ainsi l'effet d'absence de limitation pour le choix de fonctions de noyau est obtenu et un algorithme universel pour n'importe quelle fonction de noyau est obtenu.