Vor Ort
Merkzettel Warenkorb
  • Produktbild: Riemannian Computing in Computer Vision
  • Produktbild: Riemannian Computing in Computer Vision
- 10%

Riemannian Computing in Computer Vision

10% sparen

147,99 € UVP 164,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

18.11.2015

Abbildungen

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

Herausgeber

Pavan K. Turaga + weitere

Verlag

Springer

Seitenzahl

391

Maße (L/B/H)

24,1/16/2,7 cm

Gewicht

764 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-22956-0

Beschreibung

Portrait

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

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

18.11.2015

Abbildungen

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

Herausgeber

Verlag

Springer

Seitenzahl

391

Maße (L/B/H)

24,1/16/2,7 cm

Gewicht

764 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-22956-0

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.