摘要
在人脸识别任务中，构建高维（例如10万维）特征似乎并非明智之举，因为这会带来后续训练、计算和存储方面的诸多困难，从而限制了对高维特征进一步应用的探索。本文针对高维特征的性能展开研究。我们首先通过实验验证表明，高维度对于实现高性能至关重要。基于单一类型局部二值模式（Local Binary Pattern, LBP）描述子的10万维特征，在性能上显著优于其低维版本以及当前最先进的方法。此外，我们还使高维特征具备实际应用可行性。通过提出一种名为“旋转稀疏回归”（rotated sparse regression）的稀疏投影方法，可在不损失准确率的前提下，将计算开销和模型存储空间降低超过100倍。