黎曼流形上的 K-切空间用于改进行人检测
计算机视觉与模式识别
2014-03-06 v1
摘要
对于基于协方差的图像描述子，考虑相应特征空间的曲率已被证明能提升判别性能。这通常通过将描述子表示为黎曼流形上的点，并在切空间上完成判别来实现。然而，这种处理方式具有局限性，因为切空间上任意点之间的距离并不代表真实的测地距离，因而不能准确反映流形结构。本文提出一种基于多个切空间组合的通用判别模型，以保留更多的结构细节。该模型可用作基于 Boosting 的行人检测框架中的弱学习器。在具有挑战性的 INRIA 和 DaimlerChrysler 数据集上的实验表明，所提出的模型相比基于方向梯度直方图的方法以及以往的黎曼方法，带来了显著更高的性能。
引用
@article{arxiv.1403.1056,
title = {K-Tangent Spaces on Riemannian Manifolds for Improved Pedestrian Detection},
author = {Andres Sanin and Conrad Sanderson and Mehrtash T. Harandi and Brian C. Lovell},
journal= {arXiv preprint arXiv:1403.1056},
year = {2014}
}
备注
IEEE International Conference on Image Processing (ICIP), 2012