Un manifold por descubrir

Graph Embedding Discriminant Analysis on Grassmannian Manifolds

¿Qué sabemos?

• Detectores

• Descriptores

• ¿?

Puntos característico

s

¿ALTERNATIVAS?

Discriminando en el manifold

¿En qué estaban pensando?

• Estructuras lineales = Mejor precisión

• El término manifold no es nuevo.

• Aproximación más matemática y menos intuitiva

El procesoSubespacios y representación

Con SVD convertimos la imagen a un subespacio.

Subespacios como puntos de un manifold

El procesoMapeado en un segundo manifold

• Matrices between-class y within-class de similitudes.

• Maximizamos las distancias en unas y minimizamos las otras.

ResultadosPros 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.

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/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