Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Marginal fisher analysis (MFA) is an effective approach for feature extraction and recognition. However, an intrinsic limitation existed in MFA is that it deemphasizes the importance of the distant points, which may degrade the recognition performance. In this paper, a novel algorithm called graph discriminant embedding (GDE) is proposed to overcome the limitation. GDE maintains the good property...
Considering inherent limitations of such locality-based dimensionality reduction methods as unsupervised discriminant projection (UDP), a novel manifold-base feature extraction method, called locally supervised discriminant analysis in kernel space, is proposed in the paper. It is a locally nonlinear and supervised dimensionality reduction method, which takes into account the locality, kernel mapping...
A modified independent component analysis method, termed the matrix-based modular independent component analysis (MMICA), is developed in this paper. The main idea of the proposed method is that each of all facial images is first partitioned into many subimages. Every subimage is regarded as a new training sample, by which a new set of training samples is formed. Since the dimensionality of each of...
The paper first gives a method for removing the thousands of noisy points by using neighborhood centroid constrained fairing algorithm. And then, uses the 3D point clouds to reconstruct the face surface. At last, we could extract the facial feature.
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.