$\ell^1$ 空间中高效的点到子空间查询：理论与计算机视觉应用
机器学习
2012-11-06 v1 计算机视觉与模式识别
应用统计
摘要
受鲁棒人脸和物体识别等视觉任务的启发，我们考虑以下一般性问题：给定高维环境（图像）空间中的一组低维线性子空间和一个查询点（图像），在 距离下高效确定离查询点最近的子空间。我们在理论上表明，将对象通过柯西随机嵌入到显著更低维的空间中，有助于以恒定概率保持最近子空间的同一性。这为高效选择若干候选者以进行精确搜索提供了可能性。我们概述了关于鲁棒人脸和数字识别的初步实验，以佐证我们的理论。
引用
@article{arxiv.1211.0757,
title = {Efficient Point-to-Subspace Query in $\ell^1$: Theory and Applications in Computer Vision},
author = {Ju Sun and Yuqian Zhang and John Wright},
journal= {arXiv preprint arXiv:1211.0757},
year = {2012}
}
备注
To appear in NIPS workshop on big learning, 2012