Gesichtserkennungsalgorithmen arbeiten sehr unzuverl?ssig, wenn sich die Pose des zu untersuchenden Gesichts von dem gespeicherten Gesicht unterscheidet - typische Merkmalsvektoren variieren st?rker mit der Pose als mit der Identit?t. Wir schlagen ein generatives Modell vor, das eine Eins-zu-Viel-Abbildung von einem idealisierten "Identit?ts"-Raum auf den beobachteten Datenraum erstellt. In diesem Identit?tsraum variiert die Darstellung f?r jedes Individuum nicht mit der Pose. Der gemessene Merkmalsvektor wird durch eine positionsabh?ngige lineare Transformation des Identit?tsvektors in Gegenwart von Rauschen erzeugt. Bestehende Methoden zur Gesichtserkennung bei Unsch?rfe basieren auf dem Faltungsmodell und k?nnen nicht mit ungleichm? igen Unsch?rfeverh?ltnissen umgehen, die h?ufig durch Kippen und Drehen von Handkameras entstehen. In dieser Arbeit schlagen wir eine Methodik zur Gesichtserkennung bei r?umlich variierender Bewegungsunsch?rfe vor, die aus beliebig geformten Kernen besteht. Wir modellieren das unscharfe Gesicht als eine konvexe Kombination von geometrisch transformierten Instanzen des fokussierten Galeriegesichts und zeigen, dass die Menge aller Bilder, die durch ungleichm? ige Unsch?rfe eines gegebenen Bildes erhalten werden, eine konvexe Menge bildet.
ThriftBooks sells millions of used books at the lowest everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $20. ThriftBooks.com. Read more. Spend less.