The problem of multidimensional tensor objects features extraction in a manner of matrices is considered. The tensor’ elements HigherOrder Singular Value Decomposition (SVD) is presented as the d-SVD which includes SVD of the tensor reshaped as a matrix and SVDs of reduced sizeof the previous SVDs vectors reshaped as matrices. The decomposition allows to create Singular Projectionsof tensor to a sum of one-rank tensorsin selected dimensions. The projections of tensor to matrices by weighted and direct averaging in SVD’ vectors subspace is investigated numerically.The extracted by projection features of a series of image objects are used to develop the optimized Inverse Feature Filters for the objects recognition.
PL
Rozważano problem ekstrakcji cech wielowymiarowych obiektów tensorowych w postaci macierzy. Elementy rozkład wartości pojedynczej tensora wyższego rzędu przedstawiono jako d-SVD, który obejmuje rozkład na wartości własne (SVD) tensora przekształconego w macierz oraz rozkłady na wartości własne o zmniejszonym rozmiarze poprzednich wektorów własnych przekształconych w macierze. Dekompozycja pozwala na utworzenie projekcji osobliwych tensora na sumę tensorów pierwszego rzędu w wybranych wymiarach. Rzutowanie tensora na macierze poprzez ważonei bezpośrednie uśrednianie w podprzestrzeni wektorów własnych są badane numerycznie. Cechy wyodrębnione przez projekcję serii obiektów obrazowych są wykorzystywane do opracowania zoptymalizowanych odwrotnych filtrów cech do rozpoznawania obiektów.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.