Abstract:

1. 每個類別單個樣本的人臉識別（face recognition with single sample per person, SSPP）是一個非常有挑戰性的任務，因為在這種情況下很難通過標準樣本庫（gallery set）裏面的樣本對待測樣本（query sample）的人臉變化量（facial variation）進行預測;

2. 針對這個問題，這篇論文提出了一個基於局部通用表示（local generic representation）框架的人臉識別算法;

3. 該算法通過從標準樣本庫（gallery dataset）中抽取相鄰的人臉圖像塊來建立一個局部標準字典（local gallery dictionary），並且利用外部的一個通用數據集（generic dataset)來建立一個類內變量字典（intra-class variation dictionary），從而實現的對可能的人臉變化量的預測（不同的光照，姿勢，表情，遮擋物等）；

4. 該算法最小化待識別樣本（query sample）與局部標準字典（local gallery dictionary）和通用變量字典（generic variation dictionary）的殘差（residual），並且使用相關熵（correntropy）來每個圖像塊的表示殘差（representation residual）。

算法框架

Local Generic Representation for Face Recognition with Single Sample per Person (ACCV, 2014)