典型文献
基于公理模糊集与粒计算的人脸语义提取方法
文献摘要：
在人脸检索和验证领域,人类更倾向于通过描述对象特征的"语义"或"概念"来对人脸进行相似性判别,而传统的图像检索已无法满足这一需求.因此,本文提出了一种基于公理模糊集(axiomatic fuzzy sets,AFS)与信息粒的人脸语义提取方法(IAFSGD).首先,对人脸图像进行校正并检测人脸关键点,进而基于关键点提取人脸特征;然后,对人脸面部特征样本进行聚类,构建类中心,在AFS框架下求取每类的信息粒,并通过得到的信息粒对人脸图像再次进行分类,从而得到最终的聚类结果和具有可解释性的面部语义描述;最后,将本文提出的算法在Multi-PIE、AR、FEI人脸数据库进行实验验证.实验结果表明,与FCM(fuzzy c-means)、CAN(clustering with adaptive neighbors)、FCMGD、AFSGD、KTM(K-means tree)算法相比,本文提出的语义提取方法可以获得与人类感知更为接近的聚类结果,且结果具备很好的可解释性.
文献关键词：
语义提取;AFS理论;信息粒;聚类;人脸检索;关键点检测;隶属函数;公理模糊集
中图分类号：
作者姓名：
任艳;张茜
作者机构：
沈阳航空航天大学人工智能学院,辽宁沈阳110136;沈阳航空航天大学 自动化学院,辽宁沈阳110136
文献出处：
引用格式：
[1]任艳;张茜-.基于公理模糊集与粒计算的人脸语义提取方法)[J].智能系统学报,2022(05):1021-1031
A类：
公理模糊集,相似性判别,IAFSGD,FCMGD,AFSGD,KTM
B类：
粒计算,语义提取,人脸检索,图像检索,axiomatic,fuzzy,sets,信息粒,人脸图像,人脸关键点,关键点提取,人脸特征,脸面,面部特征,特征样本,类中心,求取,每类,可解释性,语义描述,Multi,PIE,FEI,means,CAN,clustering,adaptive,neighbors,tree,关键点检测,隶属函数
AB值：
0.344651
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
