• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Image Processing >LEARNING A PERCEPTUAL MANIFOLD FOR IMAGE SET CLASSIFICATION
【24h】

LEARNING A PERCEPTUAL MANIFOLD FOR IMAGE SET CLASSIFICATION

机译：学习用于图像集分类的感知歧管

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a biologically motivated manifold learning framework for image set classification inspired by Independent Component Analysis for Grassmann manifolds. A Grassmann manifold is a collection of linear subspaces, such that each subspace is mapped on a single point on the manifold. We propose constructing Grassmann subspaces using Independent Component Analysis for robustness and improved class separation. The independent components capture spatially local information similar to Gabor-like filters within each subspace resulting in better classification accuracy. We further utilize linear discriminant analysis or sparse representation classification on the Grassmann manifold to achieve robust classification performance. We demonstrate the efficacy of our approach for image set classification on face and object recognition datasets.
机译：我们为图像集分类提供了一种生物动机的歧管学习框架，由基层歧管的独立分量分析启发。 Grassmann歧管是一组线性子空间的集合，使得每个子空间映射在歧管上的单个点上。我们建议使用独立分量分析构建基地子空间，以实现鲁棒性和改进的类别分离。独立组件捕获类似于每个子空间内的类似Gabor样滤波器的空间本地信息，从而产生更好的分类精度。我们进一步利用了基层歧管的线性判别分析或稀疏表示分类，以实现强大的分类性能。我们展示了我们对面部和对象识别数据集的图像集分类方法的功效。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号