跨视图识别是计算机视觉中的一个重要问题,它主要是对不同视图之间的样本进行分类。不同的视图之间的巨大差异使得这个问题相当具有挑战性。为了消除复杂的(甚至是高度非线性的)视点差异以获得良好的跨视点识别,我们提出了一个多视点深度网络(multi-view deep network, MvDN),该网络寻求多个视点之间共享的非线性鉴别和视点不变表示。具体来说,我们提出的MvDN网络由两个子网络组成,视图特定的子网络试图消除视图特定的变化,下面的公共子网络试图获得所有视图共享的公共表示。作为MvDN网络的目标,从所有视图的样本中计算Fisher损失,即瑞利商目标,以指导整个网络的学习。因此,来自MvDN