cvpr20xxpaperreview内容摘要：
Setting 2 • Training set: 1438VIS and 1927 NIR 168persons • Test set:657VIS and 1075 NIR 174persons • Feature extraction – 32χ32 intensity – 1000 dimension LBP feature • Evaluation – Rank1 recognitin rate – Verification rate (VR) when the false accept rate (FAR) is . – Equal error rate (EER) 计算时间比较 结论 • 这篇文章我们提出了一种有效的子空间学习框架来匹配不同种类的人脸。 • 动机是不同种类的人脸在特征空间的位置不同。 因此需要学习两个不同的投影将数据映射到一个公共空间。 • 回归采用的正则项技术提高了扩展能力同时降低了计算开销。 • 可以扩展到多模态数据上。 Efficient Multilabel Classification with Hypergraph Regularization Author : Gang Chen, Jianwen Zhang, Fei Wang, Changshui Zhang 问题来源 • Multilabel classification – Image classification – Video indexing 传统做法 • BinarySVM Road SVM Car SVM Building SVM … Query image 1 1 1 Label: Car Building • 缺点： – 忽略了不同类别之间的语义相关性 – 例如： – car road通常在一幅图像中出现，这两个类别间存在很强的正相关性 … RankSVM • First take multilabel classification as a label ranking problem. • Then predict t。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。