Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
Un manifold por
descubrir
Graph Embedding Discriminant Analysis on Grassmannian
Manifolds
¿Qué sabemos?
• Detectores
• Descriptores
• ¿?
Puntos
característicos
¿ALTERNATIVAS
?
Discriminando en el manifold
¿En qué estaban pensando?
• Estructuras lineales = Mejor precisión
• El término manifold no es nuevo.
• Aproximación más m...
El proceso
Subespacios y representación
Subespacios y representación
Con SVD convertimos la imagen a
un subespacio.
Subesp...
El proceso
Mapeado en un segundo manifold
Mapeado en un segundo manifold
• Matrices between-class y within-class de simili...
Resultados
Pros y contras
Pros y contras
• Robustez y performance.
• Se debe conocer el número de
clases
• No es trivial.
...
Muchas gracias
Referencias
1. Based on:
http://itee.uq.edu.au/~uqmhara1/papers/2011/harandi_cvpr_2011.pdf
2. http://vc.sce.ntu.edu.sg/ind...
Referencias
1. Based on:
http://itee.uq.edu.au/~uqmhara1/papers/2011/harandi_cvpr_2011.pdf
2. http://vc.sce.ntu.edu.sg/ind...
Prochain SlideShare
Chargement dans…5
×

Graph Embedding Discriminant Analysis on Grassmannian Manifolds

Graph Embedding Discriminant Analysis on Grassmannian Manifolds based on http://itee.uq.edu.au/~uqmhara1/papers/2011/harandi_cvpr_2011.pdf

  • Identifiez-vous pour voir les commentaires

  • Soyez le premier à aimer ceci

Graph Embedding Discriminant Analysis on Grassmannian Manifolds

  1. 1. Un manifold por descubrir Graph Embedding Discriminant Analysis on Grassmannian Manifolds
  2. 2. ¿Qué sabemos? • Detectores • Descriptores • ¿? Puntos característicos ¿ALTERNATIVAS ?
  3. 3. Discriminando en el manifold
  4. 4. ¿En qué estaban pensando? • Estructuras lineales = Mejor precisión • El término manifold no es nuevo. • Aproximación más matemática y menos intuitiva
  5. 5. El proceso Subespacios y representación Subespacios y representación Con SVD convertimos la imagen a un subespacio. Subespacios como puntos de un manifold
  6. 6. El proceso Mapeado en un segundo manifold Mapeado en un segundo manifold • Matrices between-class y within-class de similitudes. • Maximizamos las distancias en unas y minimizamos las otras.
  7. 7. Resultados Pros y contras Pros y contras • Robustez y performance. • Se debe conocer el número de clases • No es trivial. • No es tiempo real. • Complejidad de código moderada. • Código libre.
  8. 8. Muchas gracias
  9. 9. Referencias 1. Based on: http://itee.uq.edu.au/~uqmhara1/papers/2011/harandi_cvpr_2011.pdf 2. http://vc.sce.ntu.edu.sg/index_files/GraphEmbedding_framework.pdf 3. http://itee.uq.edu.au/~uqmhara1/codes/harandi_cvpr_2011_matlab.rar 4. http://link.springer.com/chapter/10.1007%2F978-3-642-39140- 8_13
  10. 10. Referencias 1. Based on: http://itee.uq.edu.au/~uqmhara1/papers/2011/harandi_cvpr_2011.pdf 2. http://vc.sce.ntu.edu.sg/index_files/GraphEmbedding_framework.pdf 3. http://itee.uq.edu.au/~uqmhara1/codes/harandi_cvpr_2011_matlab.rar 4. http://link.springer.com/chapter/10.1007%2F978-3-642-39140- 8_13

×