Learning Linear Discriminant Projections for Dimensionality Reduction of Image Descriptors
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03150834" target="_blank" >RIV/68407700:21230/08:03150834 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Learning Linear Discriminant Projections for Dimensionality Reduction of Image Descriptors
Popis výsledku v původním jazyce
This paper proposes a general method for improving image descriptors using discriminant projections. Two methods based on Linear Discriminant Analysis have been recently introduced to improve matching performance of local descriptors and to reduce theirdimensionality. These methods require large training set with ground truth of accurate point-to-point correspondences which limits their applicability. We demonstrate the theoretical equivalence of these methods and provide a means to derive projection vectors on data without available ground truth. It makes it possible to apply this technique and improve performance of any combination of interest point detectors-descriptors. We conduct an extensive evaluation of the discriminative projection methods invarious application scenarios. The results validate the proposed method in viewpoint invariant matching and category recognition.
Název v anglickém jazyce
Learning Linear Discriminant Projections for Dimensionality Reduction of Image Descriptors
Popis výsledku anglicky
This paper proposes a general method for improving image descriptors using discriminant projections. Two methods based on Linear Discriminant Analysis have been recently introduced to improve matching performance of local descriptors and to reduce theirdimensionality. These methods require large training set with ground truth of accurate point-to-point correspondences which limits their applicability. We demonstrate the theoretical equivalence of these methods and provide a means to derive projection vectors on data without available ground truth. It makes it possible to apply this technique and improve performance of any combination of interest point detectors-descriptors. We conduct an extensive evaluation of the discriminative projection methods invarious application scenarios. The results validate the proposed method in viewpoint invariant matching and category recognition.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2008
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
BMVC 2008: Proceedings of the 19th British Machine Vision Conference
ISBN
978-1-901725-36-0
ISSN
—
e-ISSN
—
Počet stran výsledku
10
Strana od-do
—
Název nakladatele
British Machine Vision Association
Místo vydání
London
Místo konání akce
Leeds
Datum konání akce
1. 9. 2008
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—