特征融合是将两个特征向量结合起来得到一个特征向量的过程,它比任何一个输入特征向量都更具鉴别性。
CCAFUSE应用于使用基于典型相关分析(CCA)的方法,特征层融合。它从两个模态的X和Y,并整合他们的训练集和测试数据矩阵到一个单一的功能集Z.
详情可参见:
M. Haghighat,M.阿卜杜勒Mottaleb,W. Alhalabi,“全自动标准化面部和单样本人脸识别在无约束的环境中,”专家系统与应用程序,第一卷。47,第23-34,2016年4月。http://dx.doi.org/10.1016/j.eswa.2015.10.047
(C)穆罕默德Haghighat,迈阿密大学
haghighat@ieee.org
如果您使用此代码,请注明以上论文。
引用作为
Haghighat, Mohammad,等。"全自动人脸正规化和无约束环境下的单样本人脸识别。“带应用的专家系统”,第47卷,Elsevier BV, 2016年4月,第23-34页,doi:10.1016/j.e eswa.2015.10.047。
查看更多的风格
MLA |
Haghighat, Mohammad,等。"全自动人脸正规化和无约束环境下的单样本人脸识别。“带应用的专家系统”,第47卷,Elsevier BV, 2016年4月,第23-34页,doi:10.1016/j.e eswa.2015.10.047。 |
美国心理学协会 |
Haghighat, M., Abdel-Mottaleb, M., & Alhalabi, W.(2016)。在无约束环境下,实现了人脸的全自动归一化和单样本人脸识别。具有应用的专家系统,47,23 - 34。爱思唯尔BV。从https://doi.org/10.1016%2Fj.eswa.2015.10.047获取 |
助理 |
@article {Haghighat_2016, doi = {10.1016 / j.eswa.2015.10.047}, url = {https://doi.org/10.1016%2Fj.eswa.2015.10.047}年= 2016,月={4月},出版商={爱思唯尔{BV}},体积={47},页面={23 - 34},作者={穆罕默德Haghighat和Mohamed abdel - mottaleb Wadee Alhalabi}, title ={全自动标准化和不受约束的环境中单样本人脸识别},杂志={专家系统与应用程序}} |
SATISH库马尔(查看配置文件)
先生,你的代码是优秀的,易于使用。我用你的代码对我的工作。非常感谢提供苏哈一个有用的代码。
丽丽毛(查看配置文件)
您好,感谢您的共享。请问如何在训练和测试特征向量融合后分类
Pengnian张(查看配置文件)
Chidiebere艾克(查看配置文件)
感谢您上传这段内容丰富的代码。我将感谢你坦率的指导和意见。我正在与遮挡处理低分辨率图像。这可以应用于低分辨率的正面图像与闭塞…???请建议。谢谢你!
卡洛琳罗安达(查看配置文件)
嗨Haghighat,
谢谢你上传这个有用的代码,在阅读了你的论文后,我需要你的几个帮助:
1.你介意分享你的代码(在matlab中)自动地标检测吗?
2.因为我还在学习计算机视觉领域,所以我考虑使用SIFT或者SURF特征提取来进行人脸识别(因为它看起来很自动化,不需要归一化)。在你看来,SURF的SIFT对人脸识别有好处吗?
谢谢,
卡罗
Nazeera谢斯(查看配置文件)
凯尔·彼得森(查看配置文件)
我使用了CCA代码来融合光谱数据,效果很好!是否有一种方法可以在融合之前访问每个变量的重要性?
穆罕默德Haghighat(查看配置文件)
Ankit沙玛:
CCA不使用标签信息。如果你想有一个监督的融合技术,我想提请你注意判别相关分析(DCA)。这里是链接到Matlab代码:
//www.tatmou.com/matlabcentral/fileexchange/55405
ankit沙玛(查看配置文件)
请问我们应该在什么时候,如何将培训标签提供给图片进行匹配…特征融合之前还是之后?
穆罕默德Haghighat(查看配置文件)
Wasseem Al-Obaydy:
是。在测试和训练数据的受检者数量不必相同。
ShaneS(查看配置文件)
嗨穆罕默德,感谢提供这个工具箱。我可以问,如果这可以用来寻找2点矩阵间的关系多元(25点意见×100个变量)?
Wasseem铝Obaydy(查看配置文件)
谢谢你...能对列车集和测试集具有不同数量的科目您融合技术工作的?
穆罕默德Haghighat(查看配置文件)
HR拉姆亚:
请点击上面的下载按钮。
Islem Rekik(查看配置文件)
HR拉姆亚(查看配置文件)
hellooo ... u能请告诉我在哪里可以找到的代码...我需要它来使用我的工作....在此先感谢
阿尼尔哈札里卡(查看配置文件)
所有有用的代码。非常感谢
sapna sapna(查看配置文件)
我运行从两个摄像头意见所采取的特征向量代码。我感到困惑的标签载体。融合后,我想训练SVM分类,所以当我有标记我的数据?融合前或融合后?
Mokni Raouia(查看配置文件)
穆罕默德Haghighat(查看配置文件)
票价Al-shargie:
投影特征向量的最大长度(d)是组间协方差矩阵(Sxy)的秩,它等于两个输入特征矩阵X和Y的最小秩。
d =秩(SXY)≤分钟(秩(X),秩(Y))
emad saeidi(查看配置文件)
努鲁Hidayah阿卜杜勒·马南(查看配置文件)
嗨,这个可以用于神经成像CCA吗?我希望很快收到你的来信。(:
票价Al-shargie(查看配置文件)
亲爱的穆罕默德,
我有一个矩阵50*120 (n,p)[注:50是25个测试和25个训练]从一个模态和另一个矩阵50*120 (n,q)。我使用了你的方法来最大化相关性,使得feature fusion可以提高检测率。
我的问题是,为什么同CONCAT融合,特征向量给我只有25 * 16。?
另一个问题
如何解释这种融合的特征矩阵的地图吗?
我应该与个人进行比较,说融合功能的相关性最大化。
非常感谢你
史蒂夫(查看配置文件)
穆罕默德Haghighat(查看配置文件)
天使:
我很高兴代码对你有帮助,谢谢你的五星评级。
据我所知,早期融合只是数据级或特征级融合的另一种叫法,后期融合则等同于决策级融合。所以,我们的方法,使用CCA,是一种早期的融合技术。
在我最近的论文中,我比较了几种著名的早期融合和晚期融合技术,包括
早期融合方法:
-序列特征融合
-并行特征融合
- CCA(典型相关分析)
- DCA(判别相关分析)
——JSRC
- SMDL
后期融合方法:
- 单反总和(稀疏Logistic回归)
- SLR-主要
- SVM总和(支持金宝app向量机)
——SVM-Major
- MKL(多核学习)
你可以在这篇论文中找到他们论文(或代码)的参考文献:
杨建新,“基于多模态生物特征识别的识别相关分析”,《电子工程师学会学报》,2016年第1期。
http://dx.doi.org/10.1109/TIFS.2016.2569061
天使黎巴嫩(查看配置文件)
谢谢你的代码..神奇的!它帮了我很多。你对晚期融合和早期融合有什么看法?我想把它们和CCA比较一下
穆罕默德Haghighat(查看配置文件)
Kanan:
trainX是包含所述第一组训练数据的NXP矩阵(n为训练样本和p的数量是所述第一特征集的维数)。类似地,trainY是包含所述第二组训练数据的NXQ矩阵。显然,你有相同数量的训练样本(N),但所述特征向量长度可以变化(P对Q)的。
刘能(查看配置文件)
我很高兴地使用你的代码,我对trainLabel谜(长的行向量n包含训练数据的类标签)。你已经给出了解释,但我不明白它well.could你给我详细讲解有关trainLabel.giving一个例子是better.thank你
kanan(查看配置文件)
我是新手使用matlab的融合,我运行你的代码,但不确定什么是值应该是trainx等。
我的训练数据是1x14000
其实关于XNP,N,P和xnq,q和MXP,他们是否该从我的特征向量得到我的问题?
谢谢你!
穆罕默德Haghighat(查看配置文件)
迈克:
这是一个非常困难的问题,因为对于特征层、匹配评分层或决策层融合有不同的方法;一种比另一种效果更好。
然而,总而言之,融合在特征水平预计因为所述特征集包含关于比所述匹配分数或匹配器[参考]的输出决定所述输入数据更丰富的信息,以提供更好的识别结果。
[参考文献]Arun Ross and Anil K. Jain, "Multimodal biometrics: An overview ",第12届欧洲信号处理会议(EUSIPCO),第1221-1224页,2004年9月。
迈克·雷诺(查看配置文件)
与分数级或决策级融合相比,该方法如何工作?
迈克·雷诺(查看配置文件)
与分数级或决策级融合相比,该方法如何工作?
迈克·雷诺(查看配置文件)
迈克·雷诺(查看配置文件)