基于径向基网络的无监督亲子关系验证

摘要

亲子关系验证旨在通过给定的两张图像判断其是否具有亲子关系，该问题在机器视觉领域日益受到人们的关注．现有的方法将工作重心放在学习更有效的度量、提取更有判别力的特征、选择更好的分类器上，无法较好地解决成对图像之间差异大的问题．提出了基于径向基网络（RBFN）的无监督分类方法，该方法首先将图像进行聚类，然后将聚类中心点作为径向基核函数的中心点，利用RBFN在成对图像之间建立多变量插值函数，为了使函数逼近的效果更好，将RBFN的输出与子女方图像计算损失并将损失反向传播，不断优化网络模型，最后根据阈值完成分类．算法在公共数据集KinFaceW和UB KinFace上进行了5折交叉验证，结果充分证明了所提方法的有效性及对样本间差异的适应性，为后续亲子关系验证研究提供参考．

关键词

分类 / 径向基网络 / 计算机视觉 / 亲子关系验证