基于迁移学习的单样本人脸识别

现今人脸识别算法的有效性很大程度上取决于一组足够多的、有代表性的训练样本。若系统中只有一个训练样本,将会导致严重的性能下降甚至算法直接无效,被称为“单样本”问题,它提供了每个人一张人脸数据的存储库,由于训练集非常有限,任务在实际中经常遇到,以致对目前大多数成熟算法而言都是非常具有难度的。本文基于稀疏表示分类框架,把迁移学习思想引入到单样本人脸识别研究中并进行了若干相关实验,为各相关研究者利用稀疏表示分类框架和迁移学习思想研究单样本识别难题提供思路。