传统的稀疏编码(最近几年引入先验知识学习字典)、ICA等模型的特征映射学习未引入图像先验信息,仅考虑图像块,未考虑一幅图像中图像块与其周围图像块的统计关系,致使学习映射不够丰富,同时在组合(Pool operation)时,形成的鲁棒性特征仅仅局部,未能形成整幅图像或大图像块的统计结构。如何形成整体或大局部的统计特性呢?
1)基于子空间估计方法。如子空间为2的ISA模型(2011年文献)、TICA模型、TCNN模型等,这些方法使学习的映射受到了很大的约束,正交约束过于严格,学习滤波器不够完备,同时Pooling operation(最大池、平均池、尺度池(TICA、TCNN就是一种尺度池),池的结构过于规则化)结构致使复杂神经元受到约束,复杂神经元