Learning Invariant Features through Topographic Filter Maps(经典文章泛读)

一.文献名字和作者

     Learning Invariant Features through Topographic Filter Maps，Koray Kavukcuoglu Marc’Aurelio Ranzato Rob Fergus Yann LeCun

   

二.阅读时间

    2014年11月3日

三.文献的贡献点

   这篇文章没太明白作者的方法。

    文献主要提出了一种在稀疏表示的基础上，通过将稀疏系数拓展为一个2D矩阵，然后进行pooling，这样能够产生一个更加鲁棒的特征，同时，为了能够实时进行计算而不是每一次求解稀疏表示的时候都进行优化求解，作者用了一个回归函数来拟合求解稀疏表示的过程，然后将上面的这些扩展全部在优化函数中进行体现，通过求解优化函数，得到上面需要的参数过程。这个过程是一个非监督学习的过程。

    作者主要是基于图像块进行处理的，因此，在进行图像识别实验的时候，需要先将图像进行分块，然后将图像块使用回归函数求解出稀疏表示，然后将稀疏表示拓展为2D的形式，进行pooling就可以得到图像块的特征，对于同一个图像的所有图像块都进行这样的操作，最后将所有的特征进行PCA，然后输入到SVM中进行分类。

    这篇文章的主要创新点在于将pooling的概念用在了稀疏表示上面，产生了更加鲁棒的特征；对于提出回归函数代替优化求解的过程的想法，个人感觉多少有点猜的成分在里面，因为选择一个合适的回归函数的形式多少是有一些猜的因素在里面。

    

版权所有，欢迎转载，转载请注明出处，谢谢