CASIA OpenIR  > 模式识别国家重点实验室  > 机器人视觉
Beyond Mahalanobis Metric: Cayley-Klein Metric Learning
Bi, Yanhong; Fan, Bin; Wu, Fuchao
2015
会议名称IEEE Conference on Computer Vision and Pattern Recognition
会议日期2015
会议地点Boston, Massachusetts, USA
摘要
Cayley-Klein metric is a kind of non-Euclidean metric suitable for projective space. In this paper, we introduce it into the computer vision community as a powerful metric and an alternative to the widely studied Mahalanobis metric. We show that besides its good characteristic in non-Euclidean space, it is a generalization of Mahalanobis metric in some specific cases. Furthermore, as many Mahalanobis metric learning, we give two kinds of Cayley-Klein metric learning methods: MMC Cayley-Klein metric learning and LMNN Cayley-Klein metric learning. Experiments have shown the superiority of Cayley-Klein metric over Mahalanobis ones and the effectiveness of our Cayley-Klein metric learning methods.
关键词Metric Learning Cayley-klein Metric
URL查看原文
收录类别EI
语种英语
文献类型会议论文
条目标识符http://ir.ia.ac.cn/handle/173211/19822
专题模式识别国家重点实验室_机器人视觉
作者单位Institute of Automation, Chinese Academy of Sciences
推荐引用方式
GB/T 7714
Bi, Yanhong,Fan, Bin,Wu, Fuchao. Beyond Mahalanobis Metric: Cayley-Klein Metric Learning[C],2015.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
cvpr-2015.pdf(856KB)会议论文 开放获取CC BY-NC-SA浏览 请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Bi, Yanhong]的文章
[Fan, Bin]的文章
[Wu, Fuchao]的文章
百度学术
百度学术中相似的文章
[Bi, Yanhong]的文章
[Fan, Bin]的文章
[Wu, Fuchao]的文章
必应学术
必应学术中相似的文章
[Bi, Yanhong]的文章
[Fan, Bin]的文章
[Wu, Fuchao]的文章
相关权益政策
暂无数据
收藏/分享
文件名: cvpr-2015.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。