文献

J-GLOBAL ID：202102224854559829   整理番号：21A3307552

画像集合解析のためのGrassmann多様体上の近傍保存埋込み【JST・京大機械翻訳】

Neighborhood preserving embedding on Grassmann manifold for image-set analysis

著者 (5件)： Wei Dong (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094 China) ,  Shen Xiaobo (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094 China) ,  Sun Quansen (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094 China) ,  Gao Xizhan (School of Information Science and Engineering, University of Jinan, Jinan 250022, China) ,  Ren Zhenwen (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094 China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Grassmann多様体上の点としての画像集合のモデリングはコンピュータビジョンコミュニティにおける関心を高め,多くの応用に適用された。しかし,そのようなアプローチは,Grassmannマニホールドに関する高い計算コストが,特に高次元のものに含まれなければならないという限界に悩まされている。本論文では,近傍保存埋込み(GNPE)に基づくGrassmann多様体のための教師なしロバスト次元縮小アルゴリズムを提案した。最初に,誤差の影響を除去するために,係数ベースの類似性グラフを構築するために2つの戦略を導入した。次に,投影を高次元Grassmann多様体から,より識別可能な性能を有する相対的低次元のものから学習し,そこでは,局所近傍構造が良好に保存される。推定類似性グラフがノイズと異常値で信頼できないという課題に対処するために,著者らはさらに類似性学習と射影学習を同時に実行する統一学習フレームワークを提案した。これら2つの必須タスク間の相互作用をレバーすることにより,正確な構造を捉え,識別投影を学習できる。提案方法は効率的反復アルゴリズムによって最適化できる。種々の画像集合分類とクラスタリングタスクに関する実験は,著者らのモデルが有効性と効率の両方に関して一貫した改良を達成することを明確に示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  雑音 ,  相互作用 ,  学習 ,  クラスタ化 ,  コンピュータビジョン ,  異常値 ,  高次元 ,  射影 ,  次元縮小 ,  ロバスト性 ,  *Grassmann多様体
準シソーラス用語： 反復アルゴリズム ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 近傍保存埋込み ,  次元縮小 ,  Grassmann多様体 ,  双子学習

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 (6件)： 集合 ,  解析 ,  Grassmann多様体 ,  近傍 ,  保存 ,  埋込み