文献

J-GLOBAL ID：202002247010696479   整理番号：20A0630815

視覚認識のためのriemannian多様体上のカーネルベースの部分空間学習【JST・京大機械翻訳】

Kernel-Based Subspace Learning on Riemannian Manifolds for Visual Recognition

著者 (3件)： Liu Xi (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Ma Zhengming (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Ma Zhengming (Nanfang College, Sun Yat-sen University, Guangzhou, China)
資料名： Neural Processing Letters  (Neural Processing Letters)
巻： 51  号： 1  ページ： 147-165  発行年： 2020年 
JST資料番号： W0953A  ISSN： 1370-4621  CODEN： NPLEFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 共分散行列は,多くのコンピュータビジョンタスクにおけるデータ表現のために注目を集めている。非特異共分散行列は,Euclid空間よりもむしろRiemann多様体上の点と見なされる。Riemannian多様体に関する分類のための一般的な技術は,共分散行列を再生カーネルHilbert空間(RKHS)に埋め込み,RKHSからEuclid空間への写像を構築する。一方,ほとんどのカーネルベースの方法におけるRKHSからEuclid空間への明示的マップは線形仮説のみに依存する。本論文では,Riemannian多様体をEuclid空間に投影するための部分空間学習フレームワークを提案し,それに対する理論的導出を与えた。特に,ユークリッド空間はRKHSの部分空間に同形である。このフレームワークの下で,まず第一に,著者らは埋め込みのために改良されたLog-EuclidGauss動径基底関数カーネルを定義した。入力画像の一次統計的特徴を,識別力を増加させるためにカーネル関数に組み込んだ。その後,グラフ埋込み判別分析を行うことにより,RKHSの部分空間の最適射影行列を探索した。領域共分散記述子によるテクスチャ認識とオブジェクト分類実験は,改良Log-EuclidGauss RBKカーネルと提案方法のかなりの有効性を実証した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 対数 ,  *多様体 ,  データ表現 ,  対称性 ,  動径基底関数 ,  線形性 ,  判別分析 ,  Hilbert空間 ,  有効性 ,  *視認 ,  コンピュータビジョン ,  Riemann空間 ,  共分散 ,  Euclid空間
準シソーラス用語： 共分散行列 , 【Automatic Indexing@JST】

著者キーワード (5件)： riemannian多様体 ,  Gauss RBFカーネル ,  対数Euclid計量 ,  対称正定値行列 ,  認識

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 視覚認識 ,  多様体 ,  カーネル ,  部分空間学習