1、定义:
在n维欧式空间中,任意k(k<n)个向量a1,a2,...,ak的内积组成的矩阵。如下所示:
称k个向量a1,a2,...ak的Gram矩阵,其行列式为Gram行列式。
如x1=(3,3)T,x2=(4,3)T,x3=(1,1)T,则其Gram矩阵为:
2、意义:
格拉姆矩阵可以看做feature之间的偏心协方差矩阵(即没有减去均值的协方差矩阵),在feature map中,每个数字都来自于一个特定滤波器在特定位置的卷积,因此每个数字代表一个特征的强度,而Gram计算的实际上是两两特征之间的相关性,哪两个特征是同时出现的,哪两个是此消彼长的等等。同时,Gram的对角线元素,还体现了每个特征在图像中出现的量。因此,Gram有助于把握整个图像的大体风格。有了表示风格的Gram Matrix,要度量两个图像风格的差异,可以比较他们Gram Matrix的差异。
总之,Gram矩阵用于度量各个维度自己的特性以及各个维度之间的关系。内积之后得到的多尺度矩阵中,对角线元素提供了不同特征图各自的信息,其余元素提供了不同特征图之间的相关信息。这样一个矩阵,既能体现出有哪些特征,又能体现出不同特征间的紧密程度。