Low dimensional explicit feature maps

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00318480" target="_blank" >RIV/68407700:21230/15:00318480 - isvavai.cz</a>

Výsledek na webu

<a href="http://cmp.felk.cvut.cz/~chum/papers/Chum-ICCV15.pdf" target="_blank" >http://cmp.felk.cvut.cz/~chum/papers/Chum-ICCV15.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICCV.2015.464" target="_blank" >10.1109/ICCV.2015.464</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Low dimensional explicit feature maps

Popis výsledku v původním jazyce

Approximating non-linear kernels by finite-dimensional feature maps is a popular approach for speeding up training and evaluation of support vector machines or to encode information into efficient match kernels. We propose a novel method of data independent construction of low dimensional feature maps. The problem is cast as a linear program which jointly considers competing objectives: the quality of the approximation and the dimensionality of the feature map. For both shift-invariant and homogeneous kernels the proposed method achieves a better approximations at the same dimensionality or comparable approximations at lower dimensionality of the feature map compared with state-of-the-art methods.

Název v anglickém jazyce

Low dimensional explicit feature maps

Popis výsledku anglicky

Approximating non-linear kernels by finite-dimensional feature maps is a popular approach for speeding up training and evaluation of support vector machines or to encode information into efficient match kernels. We propose a novel method of data independent construction of low dimensional feature maps. The problem is cast as a linear program which jointly considers competing objectives: the quality of the approximation and the dimensionality of the feature map. For both shift-invariant and homogeneous kernels the proposed method achieves a better approximations at the same dimensionality or comparable approximations at lower dimensionality of the feature map compared with state-of-the-art methods.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LL1303" target="_blank" >LL1303: Vyhledávání vizuálních kategorií ve velkém množství obrázků</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2015 IEEE International Conference on Computer Vision (ICCV 2015)

ISBN

978-1-4673-8391-2

ISSN

1550-5499

e-ISSN

—

Počet stran výsledku

9

Strana od-do

4077-4085

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Santiago de Chile

Datum konání akce

11. 12. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000380414100456