第二章简介与文献回顾.PDFVIP

第二章 簡介與文獻回顧 大部分物件偵測演算法均假設描述子(Feature descriptor所位空間均為歐氏空間) (Euclidean space) ，並以線性空間之運算子進行計算。但現實狀況並非必然如此，故許 多學者設法放鬆此假設而提出各種非線性計算方式以求得更精準之學習與辨識結果。 本論文嘗試應用共變異矩陣作為運算元，在黎曼空間(Riemann space)上進行建立辨識 器 (Classifier)以進行行人偵測，並且將其延伸於半監督式學習之演算法上。大部分機器 政 治 學習演算法，均為事前訓練完畢後即上線使用，在上線之後若辨識能力不足即無法隨 立 大 環境變化而改善，本論文嘗試結合共變異矩陣與半監督式演算法(Semi-supervise) ，使 學 系統在線上使用時能具備一定程度之自我改善能力，以提高辨識率。 國 行人辨識之主要困難在於人體