Building deep networks on grassmann manifolds
Learning representations on Grassmann manifolds is popular in quite a few visual recognition tasks. In order to enable deep learning on Grassmann manifolds, this paper proposes a deep network architecture by generalizing the Euclidean network paradigm to Grassmann manifolds. In particular, we design...
محفوظ في:
المؤلفون الرئيسيون: | HUANG, Zhiwu, WU, J., VAN, Gool L. |
---|---|
التنسيق: | text |
اللغة: | English |
منشور في: |
Institutional Knowledge at Singapore Management University
2018
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://ink.library.smu.edu.sg/sis_research/6544 https://ink.library.smu.edu.sg/context/sis_research/article/7547/viewcontent/Building_Deep_Networks.pdf |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
المؤسسة: | Singapore Management University |
اللغة: | English |
مواد مشابهة
-
A Riemannian network for SPD matrix learning
بواسطة: HUANG, Zhiwu, وآخرون
منشور في: (2017) -
Explainable deep few-shot anomaly detection with deviation networks
بواسطة: PANG, Guansong, وآخرون
منشور في: (2021) -
Learning transferable deep convolutional neural networks for the classification of bacterial virulence factors
بواسطة: ZHENG, Dandan, وآخرون
منشور في: (2020) -
Scalable verification of quantized neural networks
بواسطة: HENZINGER, Thomas A., وآخرون
منشور في: (2021) -
Robust decision making for stochastic network design
بواسطة: Akshat KUMAR,, وآخرون
منشور في: (2016)