• Produktbild: Riemannian Computing in Computer Vision
  • Produktbild: Riemannian Computing in Computer Vision

Riemannian Computing in Computer Vision

Fr. 162.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.08.2016

Abbildungen

VI, 391 p. 88 illus., 66 illus. in color.

Herausgeber

Pavan K. Turaga + weitere

Verlag

Springer

Seitenzahl

391

Maße (L/B/H)

23.5/15.5/2.2 cm

Gewicht

604 g

Auflage

Softcover reprint of the original 1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-36095-9

Beschreibung

Portrait

Pavan Turaga is an Assistant Professor at Arizona State University Anuj Srivastava is a Professor at Florida State University

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.08.2016

Abbildungen

VI, 391 p. 88 illus., 66 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

391

Maße (L/B/H)

23.5/15.5/2.2 cm

Gewicht

604 g

Auflage

Softcover reprint of the original 1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-36095-9

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Riemannian Computing in Computer Vision
  • Produktbild: Riemannian Computing in Computer Vision
  • Welcome to Riemannian Computing in Computer Vision.- Recursive Computation of the Fr´echet Mean on Non-Positively Curved Riemannian Manifolds with Applications.- Kernels on Riemannian Manifolds.- Canonical Correlation Analysis on SPD(n) manifolds.- Probabilistic Geodesic Models for Regression and Dimensionality Reduction on Riemannian Manifolds.- Robust Estimation for Computer Vision using Grassmann Manifolds.- Motion Averaging in 3D Reconstruction Problems.- Lie-Theoretic Multi-Robot Localization.- CovarianceWeighted Procrustes Analysis.- Elastic Shape Analysis of Functions, Curves and Trajectories.- Why Use Sobolev Metrics on the Space of Curves.- Elastic Shape Analysis of Surfaces and Images.- Designing a Boosted Classifier on Riemannian Manifolds.- A General Least Squares Regression Framework on Matrix Manifolds for Computer Vision.- Domain Adaptation Using the Grassmann Manifold.- Coordinate Coding on the Riemannian Manifold of Symmetric Positive Definite Matrices for Image Classification.- Summarization and Search over Geometric Spaces.