Combining multiple manifold-valued descriptors for improved object recognitionwen

分析paper：Combining multiple manifold-valued descriptors for improved object recognition

From Mehrtash harandi

Classification using multiple manifold-valued features. 

Riemannnian Geometry

Combining the HOG + Region Covariance on two different manifolds  

通常把欧式空间的算法应用到黎曼流形，是通过切空间近似，来获得一个欧式表示。

但是切空间投影度量等，是在一个临近区域内，当数据分布非常远时，投影到切空间边失去了意义。

Mehrtash一直主张，通过正定kernel投影，把流形空间嵌入到高维的Reproducing Kernel Hilbert Space.

联合HOG特征和区域协方差特征，他们分别处于两种特定的流形上，单位球 和 黎曼流形。

1、单位球 （The unit n-sphere）

     定义：The n-dimensional sphere that has unit radius and is centered at the origin of the n+1 dimensional Euclidean space, denoted by S^n.

     度量：

     其中HOG特征通过L2规则化。

2、黎曼流形 （SPD矩阵）

      度量：