- fanks_vision
- 1305
- 0
- 0
- 0
次回のCVPR輪講の発表者リストはこちらです http://t.co/Ilgu35Ml #kansaicvprml
2012-05-12 13:14:44次回のCVPR輪講の発表者リストはこちらです http://t.co/CiwA3Wk1 #kansaicvprml
2012-05-12 13:14:45偏り と 分散 の違いがでるということかな?<高次元空間の分布の超立方体と超球体の差 #kansaicvprml
2012-05-12 13:21:40それゆえ次元の呪縛で探索が難しくなる RT @yasunori1978: 偏り と 分散 の違いがでるということかな?<高次元空間の分布の超立方体と超球体の差 #kansaicvprml
2012-05-12 13:22:22画像縮小などで特徴抽出を少なくするか、PCAなどで次元圧縮をするかというアプローチがあるんですかね?RT @yasutomo57jp: 僕の場合頑張って画像を小さくして数10万次元.この前は数100万次元で処理してみた. #kansaicvprml
2012-05-12 13:29:092分木はO(NlogN) 。要素が2次元以上のときにどうやって生成・探索する?→ kd-tree #kansaicvprml
2012-05-12 13:32:39まず、ある軸の中央値をえる。その軸の垂直に空間分割。最初に得らんだ要素をrootとする木を生成 #kansaicvprml
2012-05-12 13:34:38LEFT領域にわけて、中央値を得る。それにもっとも近いものをとってくる。偶数のときに問題になるからね。ただし、親ノードはえらんじゃだめよ。 #kansaicvprml
2012-05-12 13:38:45@yasunori1978 以前にANN Library(kd-tree)を使った時は128次元でやってましたが… #kansaicvprml
2012-05-12 14:06:49@Lrwin16g @yasunori1978 OpenCVでもkd-treeでSIFT対応付けしてたような… #kansaicvprml
2012-05-12 14:13:38@yasunori1978 球だと距離計算を伴いますし,次元の呪いを受けやすいので,高次元データかつ簡単に済ませたい場合にはkd-treeの方が良いかもしれないですね.空間的な利用効率が高いことは間違いないですが #kansaicvprml
2012-05-12 14:39:57