Factorized Graph Matching
{
推导:7式
(3) vec(X)TKvec(X)vec(X)^TKvec(X)
(6) K=diag(vec(Kp))+(G2⊗G1)diag(vec(Kq))(H2⊗H1)TK = diag(vec(K_p))+(G_2\otimes G_1)diag(vec(K_q))(H_2\otimes H_1)^T
将(6)式代入(3)式得到:
\begin{align} &vec(X)^T(diag(vec(K_p))+(G_2\otimes G_1)diag(vec(K_q))(H_2\otimes H_1)^T)vec(X)\\ &=vec(X)^Tdiag(vec(K_p))vec(X)+vec(X)^T(G_2\otimes G_1)diag(vec(K_q))(H_2\otimes H_1)^Tvec(X)\\ &=vec(K_p)^Tvec(X\circ X)+vec(G_1^TXG_2)^Tdiag(vec(K_q))vec(H_1^TXH_2) ①\\ &=tr(K_p^TX)+vec(K_q)^Tvec(G_1^TXG_2\circ H_1^TXH_2)②\\ &=tr(K_p^TX)+tr(K_q^T(G_1^TXG_2\circ H_1^TXH_2)) \end{align}
①
(A⊗B)T=AT⊗BT(A\otimes B)^T=A^T \otimes B^T(引用于matrix cookbook (510))
vec(AXB)=(BT⊗A)vec(X)vec(AXB)=(B^T\otimes A)vec(X)(引用于matrix cookbook (520))
②
Tr(ATB)=vec(A)Tvec(B)Tr(A^TB)=vec(A)^Tvec(B)(引用于matrix cookbook (521))
}
Factorized Graph Matching相关推荐
- 图匹配(Graph Matching)入门学习笔记——以《Factorized Graph Matching》为例(二)
本文是"图匹配入门学习笔记--以<Factorized Graph Matching>为例"系列的第二篇文章,主要介绍了FGM算法的实现过程,包括图匹配的因式分解形式, ...
- 图匹配(Graph Matching)入门学习笔记——以《Factorized Graph Matching》为例(一)
这篇文章本身是图匹配经典论文<Factorized Graph Matching>的阅读笔记,后来发现该文介绍并串联了许多图匹配相关的知识,甚至可以看作一个小小的综述性文章,因此就作为图匹 ...
- 讲座笔记:图匹配 Graph Matching 问题 | 机器学习组合优化
讲座信息: 主讲人:严骏驰 上海交通大学 主办单位:运筹OR帷幄 讲座时间:2020年9月9日 讲座地点:线上 讲座链接:https://www.bilibili.com/video/BV1Zf4y1 ...
- CVPR 2022|重新思考对齐Prototype的域自适应:基于Graph Matching的新范式
©作者 | 李舞阳 单位 | AIM Group/香港城市大学 研究方向 | 目标检测 论文题目: SIGMA: Semantic-complete Graph Matching for Domain ...
- 一个基于高阶图匹配的多目标跟踪器:Online Multi-Target Tracking with Tensor-Based High-Order Graph Matching
论文地址:Online Multi-Target Tracking with Tensor-Based High-Order Graph Matching 基于高阶图匹配的多目标跟踪器 一. 摘要 二 ...
- 论文模型构建的步骤_Deep Learning of Graph Matching论文解读
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明 ...
- Graph Matching
受严骏驰老师讲座内容启发,最近项目中一个关键问题才找到了一些解决途径,为了能够快速对Graph Matching的起源和发展现状有一定了解,从而形成知识体系来更好得解决问题,准备慢下来,把这些知识沉淀 ...
- 多目标跟踪数据关联的二部图解:CVPR18多目标跟踪开创性深度端到端二部图匹配佳作《Deep Learning of Graph Matching》读后有感
多目标跟踪算法的核心以及瓶颈之处,即是在得到两个set的DR(detection response,其中一个前序set可能是tracklets,但也由DR来表征)之后如何实现二部图匹配.传统的Hung ...
- 论文阅读笔记《Neural Graph Matching Network: Learning Lawler’s Quadratic Assignment Problem With Extension》
核心思想 该文提出一种图匹配神经网络用于解决Lawler's形式的二次分配问题,并将其推广到超图匹配和多图匹配领域.在之前的文章中,我们介绍过图匹配问题通常被定义为一种二次分配问题(QAP),通常 ...
最新文章
- 修改 mysql 字符集_如何修改MySQL字符集
- Python--day63--添加书籍
- 删除JavaScript对象中的元素
- nginx https 访问http_Nginx之Http模块系列之访问控制模块
- jquery ajax php获取,使用jquery ajax获取php结果
- [Mac]一些命令技巧
- react发送和接收请求_React行为编程简介:请求,等待和阻止
- golang dlv 远程调试
- FabFilter Pro-R 混响效果器
- 无线网络技术(实验)——无线局域网组成与管理实验
- python pygame 动画_pygame行走的小猫多帧动画演示程序
- Python-PyGame 坦克大战小游戏
- APP逆向之易班(第一篇)
- 宝塔面板修改默认的放行端口8888为8001并且生效
- 开发者在掘金路上的选择
- oop 编程是什么?
- 每一个软件开发人员绝对必须掌握的关于 Unicode 和字符集的最基础的知识 - A
- ubuntu_内网dns服务器搭建
- mysql 时间按季度分类_mysql 按时间段统计(年,季度,月,天,时)
- 中美线径对照表 AWG和载流说明