文献

J-GLOBAL ID：201702254814506212   整理番号：17A1034162

オブジェクト状態発見のための学習Grassmann多様体【Powered by NICT】

Learning Grassmann manifolds for object state discovery

著者 (3件)： Lee Hao-Wei (Department of Computer Science, University of Toronto, Canada) ,  Wei Chia-Po (Research Center for IT Innovation, Academia Sinica, Taipei, Taiwan) ,  Wang Yu-Chiang Frank (Research Center for IT Innovation, Academia Sinica, Taipei, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 1223-1227  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,異なる状態(例えば,未熟,皮むきなど)における物体画像を発見するためのGrassmann多様体の利用を推奨した。新しい辞書学習アルゴリズム,各オブジェクトの状態を記述するためのGrassmann多様体上の部分空間を導出することを提案した。導入測地流制約により,著者らのGrassmann多様体は明確な状態(すなわち,導出された多様体上の部分空間)における物体関連の優れた能力を示したが,異なる状態を結ぶ測地線は関連する状態間の変換として見ることができる。これは提案したGrassmann多様体の使用は,改良された性能を有するオブジェクト状態分類を行うために適用できる理由である。我々の実験では,提案手法の有効性を検証するために定量的および定性的結果を提供した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  *多様体 ,  *学習 ,  学習アルゴリズム ,  測地線 ,  *Grassmann多様体 ,  測地
準シソーラス用語： 部分空間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： オブジェクト ,  発見 ,  学習 ,  Grassmann多様体