Auto-Encoders Derivatives on Different Occluded Face Images: Comprehensive Review and New Results

This paper presents a novel approach for improving occluded face recognition performance using a family of autoencoders (AE) architectures. The proposed structures include four stages: image preprocessing, feature extraction using autoencoder derivatives, classification via a convolutional neural ne...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE access Ročník 13; s. 195080 - 195103
Hlavní autoři:	Masoudi, Azin, Ahmadi, Majid
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 2025 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Accuracy Artificial neural networks Autoencoders Coders Convolutional autoencoder Convolutional codes Convolutional neural networks Datasets Deep learning Deepfakes Face recognition Feature extraction Image reconstruction occluded dataset Occlusion Performance evaluation Robustness self-supervised autoencoder smooth autoencoder Transformers
ISSN:	2169-3536, 2169-3536
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!