关于图像集编码的协方差描述子：基于对数欧氏框架的核矩阵表示
计算机视觉与模式识别
2019-09-27 v2 图像与视频处理
摘要
我们考虑一类用于视觉数据的结构描述子，即位于非线性对称正定（SPD）流形上的协方差描述子（CovDs），这是一种特殊的黎曼流形。我们通过将传统 CovDs 从欧氏空间扩展到 SPD 流形，提出了一种改进版的用于图像集编码的 CovDs。具体而言，SPD 矩阵流形在定义了对数乘法与标量对数乘法的对数欧氏（Log-Euclidean）框架下是一个完备内积空间。在该框架中，我们用满足 Mercer 条件的反余弦核刻画协方差结构，并提出了 SPD 矩阵上的均值中心化操作。此外，我们通过核对齐以有监督方式学习混合参数，将不同阶的反余弦核进行组合。我们提出的框架为图像集分类任务提供了更低维且更具判别力的数据表示。实验结果表明，在识别准确率方面，相较于当前最优（SOTA）方法，其性能更优。
引用
@article{arxiv.1909.07273,
title = {More About Covariance Descriptors for Image Set Coding: Log-Euclidean Framework based Kernel Matrix Representation},
author = {Kai-Xuan Chen and Xiao-Jun Wu and Jie-Yi Ren and Rui Wang and Josef Kittler},
journal= {arXiv preprint arXiv:1909.07273},
year = {2019}
}
备注
10 pages