文献

J-GLOBAL ID：201802270888108717   整理番号：18A0519243

画像セット分類のための学習識別Grassmannカーネル【Powered by NICT】

Learning discriminant grassmann kernels for image-set classification

著者 (5件)： Zhang Lei (Guangdong University of Petrochemical Technology, Guangdong, China) ,  Liu Wenhui (College of Information and Communication Engineering, Harbin Engineering University, Harbin, China) ,  Xiang Xuezhi (College of Information and Communication Engineering, Harbin Engineering University, Harbin, China) ,  Sun Yan (College of Information and Communication Engineering, Harbin Engineering University, Harbin, China) ,  Zhen Xiantong (The department of Computer Science and Engineering, The University of Texas at Arlington, Texas, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 4477-4481  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： 画像集合分類は最近,コンピュータビジョンにおける挑戦的なタスクに広範な応用のために,大きな人気を生み出している。大きな課題は膨大なクラス間のあいまい性とクラス内変動を示す通常画像集合間の類似性を測定することから生じる。本論文では,線形部分空間とし各画像はGrassmann多様体上の点として扱うことができるという仮定に基づいて,部分空間の間の主角の判別Grassmannカーネル(DGK)を提案した。曖昧性および変化に取り組むために,カーネルターゲットアラインメント,クラスラベルとの相関を最大化することにより大きな識別の穀粒を達成するによるDGKを学習すること提案した。提案DGKは物体認識とビデオベース交通混雑認識のためのETH-80とUCSDデータセットを含む二つの挑戦的なデータセット上で評価した。提案DGKが最先端の性能を達成し,大部分の以前の方法の,画像セット分類のためのDGKsの大きな有効性を示すより優れていることを示した大規模な実験。Copyright 2018 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： 線形性 ,  *画像 ,  コンピュータビジョン ,  交通混雑 ,  曖昧さ ,  類似性 ,  物体認識 ,  *学習 ,  Grassmann多様体
準シソーラス用語： 部分空間 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 分類 ,  学習 ,  識別 ,  カーネル