Publication

Feature distribution modelling techniques for 3D face recognition

Sébastien Marcel
2010
Journal Articles

Résumé

This paper shows that Hidden Markov Models (HMMs) can be effectively ap- plied to 3D face data. The examined HMM techniques are shown to be superior to a previously examined Gaussian Mixture Model (GMM) technique. Experi- ments conducted on the Face Recognition Grand Challenge database show that the Equal Error Rate can be reduced from 0.88% for the GMM technique to 0.36% for the best HMM approach.

Source officielle

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Feature distribution modelling techniques for 3D face recognition

Chattez avec Graph Search

Second Frcsyn-ongoing: Winning Solutions and Post-challenge Analysis to Improve Face Recognition with Synthetic Data

On distributional autoregression and iterated transportation

Knowledge Distillation for Face Recognition Using Synthetic Data With Dynamic Latent Sampling