Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Multi-class SVMs for Image Classification using Feature Tracking

Graf, A., & Wallraven, C.(2002). Multi-class SVMs for Image Classification using Feature Tracking (99). Tübingen, Germany: Max Planck Institute for Biological Cybernetics.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-DF40-F Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-8D31-8
Genre: Bericht

Dateien

einblenden: Dateien
ausblenden: Dateien
:
MPIK-TR-99.pdf (Verlagsversion), 176KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0002-8D32-7
Name:
MPIK-TR-99.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Graf, ABA1, 2, Autor           
Wallraven, C1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Department Human Perception, Cognition and Action, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497797              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: In this paper a novel representation for image classification is proposed which exploits the temporal
information inherent in natural visual input. Image sequences are represented by a set of salient features which
are found by tracking of visual features. In the context of a multi-class classification problem this representation is
compared against a representation using only raw image data. The dataset consists of image sequences generated
from a processed version of the MPI face database. We consider two types of multi-class SVMs and benchmark
them against nearest-neighbor classifiers. By introducing a new set of SVM kernel functions we show that the
feature representation significantly outperforms the view representation.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2002-08
 Publikationsstatus: Erschienen
 Seiten: 7
 Ort, Verlag, Ausgabe: Tübingen, Germany : Max Planck Institute for Biological Cybernetics
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Reportnr.: 99
BibTex Citekey: 1945
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Technical Report of the Max Planck Institute for Biological Cybernetics
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 99 Artikelnummer: - Start- / Endseite: - Identifikator: -