深度学习文献阅读笔记（6）

　　51、基于深度PCA的人脸识别（Face Recognition using Deep PCA）（英文，会议论文，2013年，EI检索）

　　这篇文章是典型的PCANet的前身，只不过相对于PCANet显得更为简化。基本思想是做了双层的PCA映射，并且在映射过程中进行了ZCA白化。其训练集的分类方法和对比实验思路以及对实验结果的描述值得借鉴。

 

　　52、深度人脸识别（Deep Face Recognition）（英文，会议。2015年，EI检索）

　　这篇文章主要在讲两个问题：一是如何制备大的人脸数据集 ；二是如何设计更深层的CNN。

 

　　53、基于PCANet的标注视频行人检测（Human fall detection in surveillance video based on PCANet）（英文，会议论文，2015年，EI检索）

　　PCANet与SVM相结合，在跌倒检测方面的应用，而且对实验结果的描述方式也值得借鉴。

 

　　54、基于全连接卷积神经网络的稀疏追踪（Visual Tracking with Fullu convolutional network）（英文，会议论文，2015年，EI检索）

　　将深度学习中卷积神经网络用于目标跟踪。文章有两个重要启发：一是在对层间特征进行融合时，有必要构建相应数量的对比实验，用以验证各层特征所具有的独特特性；二是用一种优化算法对特征map进行筛选，提高鲁棒性提高速度。

 

　　55、改进的BP神经网络人脸识别算法（Face Recognition Algorithm Based on Improved BP neural Network）（英文，会议，2015年，EI检索）

　　使用Gabor滤波器提取特征，用PCA 进行特征降维，通过混沌算法对传统的BP神经网络进行优化，主要针对人脸图像中的光照干扰进行实验。

 

　　56、2D-LDA：基于统计学线性判别分析的图像识别方法（2D-LDA:A statistical linear discriminant analysis for Image matrix）（英文，期刊，2004，IEEE）

　　这篇文献是2DLDA的最原始的文献，在使用到2DLDA时基本上需要参考到这篇文献，其原理与2DPCA的原理极其相似。

　　57、深度学习综述（Deep Learning）（英文，期刊，2015年，Nature）

　　这是一篇极具科普性质的深度学习综述，由三位DeepLearning领域的顶尖人物所写，并发表在Nature杂志上。全文几乎没有公式，用图文结合的方式把深度学习模型的特点、训练方式、常见问题、模型的发展、应用前景等问题描述得很清楚，个人觉得每个搞深度学习的研究人员在人们阶段都用该好好看看这篇综述文章。

　　58、神经网络七十年：回归与展望（中文，期刊，2016，知网）

　　神经网络方面最新的一篇综述，2016年发表。由于自己在研究卷积神经网络，对于综述中有关自编码器和深度置信网络的内容都没有大致研究。这篇综述对神经网络最开始的方式以及原理表述得都很清楚，阅读完这篇文献之后有一个感想：虽然现在CNN相对于五六十年前的基本的神经网络模型已经被改的面目全非，但万变不离其宗，其基本的神经元构造都是一样的。

　　59、多层深度多度量学习图像集分类算法（Multi-Manifold Deep Metric Learning for Image Set Classification）（英文，期刊，2016，CVPR）

　　这篇文章也算是对CNN的一种改进，对每一类单独训练一个网络模型，然后在每一层都执行一次最大化类间误差、最小化类内误差的操作，其他方面则借用传统的CNN，其中所用数据库并不要求特别巨大，通俗的讲，就是Fisher+CNN。

　　

　　60、基于图像集的局部多层特征度量学习人脸识别（Localized Multifeature Metric Learning for Image-Set-Based Face Recognition）（英文，期刊，2016，IEEE）

　　详细介绍了多层度量学习的概念，度量矩阵的学习类似于经典的Fisher准则，多核空间抽象映射则暗含了深度学习（深层映射）的概念，仍有Fisher+Deep learning的影子，可归属于子空间深度化的研究范畴。

 

如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。