![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Sparse Representation(CS)
文章平均质量分 89
Alec-Wong
不忘初心
展开
-
模型检验和维数灾难——记Edmund M.Clarke“21世纪计算”大会主题演讲
编者按:2011年10月26日,由微软亚洲研究院和清华大学联合举办的第13届“21世纪的计算”大会在清华大学隆重举行。本届大会以“计算之本,创新之源”(Back to Basics–Fundamental Research Fuels Innovation) 为主题,探讨计算科学基础研究在21世纪快速发展过程所发挥的重要作用。通过精彩的主题演讲,来自国内外计算机领域的大师们与中国学生及学者分享转载 2011-12-26 09:33:12 · 2661 阅读 · 0 评论 -
Double Sparsity: Learning Sparse Dictionaries for Sparse Signal Approximation
from:http://rabbit3306.diandian.com/post/2012-06-14/4002741702212-14是Ron Rubinstein, Student Member, IEEE, Michael Zibulevsky, and Michael Elad, Senior Member, IEEE. 2010.2.10字典分两种,一种是隐性字典转载 2012-07-06 10:11:14 · 1876 阅读 · 3 评论 -
Face Database
DATABASESFROM:http://www.face-rec.org/databases/ When benchmarking an algorithm it is recommendable to use a standard test data set for researchers to be able to directly compare the results. Wh原创 2013-05-17 14:09:40 · 2665 阅读 · 0 评论 -
压缩感知和稀疏表示的经典文献
压缩传感不是万能的, 虽然它是信号和图像处理领域最热门的研究对象 但是它不可能解决所有问题 就像中科院李老师的话:“压缩感知根植于数学理论,它给目前国内浮躁的学术环境提了一个警钟!因为只有很好地钻研它的基本理论和方法,才能将其有效地应用在所关心的问题中;否则它只能是一剂春药,一种无法名状的春药!”-----------------------------------------转载 2013-07-08 09:37:10 · 2566 阅读 · 2 评论 -
K-SVD算法
1、目标:找到一个字典D,使得对于给定的训练信号集能获得稀疏表达。具体目标为:2、具体迭代步骤(1)第一阶段:固定字典 D ,找最好的稀疏矩阵 X 。此为NP难问题。 给定T0,可以采用任何approximation pursuit method去求解 X。论文采用OrthogonalMatching Pursuit (OMP) algorithms。(2)第二转载 2014-01-13 15:26:49 · 1826 阅读 · 0 评论 -
奇异值分解SVD,矩阵范数,函数矩阵
http://blog.sina.com.cn/s/blog_9206acb20101chc9.html转载 2014-01-13 15:54:06 · 2061 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理
http://www.sigvc.org/bbs/thread-2187-1-3.html目录:一、概述二、背景三、人脑视觉机理四、关于特征4.1、特征表示的粒度4.2、初级(浅层)特征表示4.3、结构性特征表示4.4、需要有多少个特征?五、Deep Learning的基本思想六、浅层学习(Shallow Learning转载 2014-02-25 21:03:02 · 2270 阅读 · 0 评论 -
NI LabVIEW 2015视觉开发必备软件和工具包
http://shixinhua.com/bbs/thread-8487-1-1.htmlNI LabVIEW&VISION 2015视觉开发必备软件和工具包1 M) Y2 }) E9 r. _NI视觉开发可以使用64位版本,因为其视觉包直接支持64位的版本。如果没有太多性能上的需求,使用32位即可,因为还要考虑相机、板卡等硬件的驱动是否兼容64位环境。转载 2015-11-20 16:20:33 · 26364 阅读 · 0 评论 -
深度学习理论
《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机、神经网络、决策树、SVM、Adaboost 到随机森林、Deep Learning.《Deep Learning in Neural Networks: An Overview》介绍:这是瑞士人工智能实验室 Jurgen Schmidhuber 写的最新版本原创 2016-04-11 09:47:07 · 1885 阅读 · 1 评论 -
匹配追踪MP和正交匹配追踪OMP算法
匹配追踪MP和正交匹配追踪OMP算法http://blog.csdn.net/wwf_lightning/article/details/70142985http://blog.csdn.net/scucj/article/details/7467955http://blog.csdn.net/jbb0523/article/details/45130793MP:matching pursuit匹...转载 2018-03-01 15:25:38 · 16429 阅读 · 9 评论 -
Deep Learning(深度学习)之(一)特征以及训练方法
http://blog.csdn.net/boon_228/article/details/51700418目录:一、概述二、背景三、人脑视觉机理四、关于特征 4.1、特征表示的粒度 4.2、初级(浅层)特征表示 4.3、结构性特征表示 4.4、需要有多少个特征?五、Deep Learning的基本思想六、浅层学习(Shallow Learning)...转载 2018-03-19 10:29:56 · 8712 阅读 · 0 评论 -
卷积神经网络CNN总结
https://www.cnblogs.com/skyfsm/p/6790245.htmlhttps://www.cnblogs.com/GarfieldEr007/p/5342906.html从神经网络到卷积神经网络(CNN)我们知道神经网络的结构是这样的:那卷积神经网络跟它是什么关系呢?其实卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进。比如下图中就多了...转载 2018-03-22 22:45:22 · 987 阅读 · 0 评论 -
稀疏表示 字典学习 SMALLbox SPARCO toolbox
稀疏表示 字典学习 SMALLbox SPARCO toolboxhttp://blog.sina.com.cn/s/blog_60dce3cd0100nxe8.html做稀疏表示的有很多,不同的算法也被不断提出,有研究人员已经开始提出整合一个平台,用来对各种稀疏表示的解法进行比较,SPARCO是个很不错的工具箱,前几天刚发现了另外一个,SMALLbox,这个工具箱不仅用来比较各种稀疏转载 2012-05-23 10:00:21 · 1979 阅读 · 10 评论 -
Dictionary Learning Tools for Matlab
Dictionary Learning Tools for Matlab.Karl Skretting, University of Stavanger.Contents on this page:Relevant papers and links to other pages:A brief introduction,Spa原创 2012-05-22 10:38:11 · 3427 阅读 · 0 评论 -
Compressive Sensing Resources
Compressive Sensing ResourcesReferences and SoftwareResearch at RiceThe dogma of signal processing maintains that a signal must be sampled at a rate at least twice原创 2012-05-21 16:34:26 · 11909 阅读 · 0 评论 -
压缩感知,信号采集的重大突破——记Emmanuel Candes教授“21世纪计算”大会演讲
编者按:压缩感知,近几年逐渐从数学和信息科学中独立出来,成为热门的科技新方向,为信号采集技术带来了史无前例的重大突破。究竟何为压缩感知,微软在机器学习计算机领域有哪些研究成果,就让Emmanuel Candes教授为我们一一阐述。 Speech Title:转载 2011-12-26 09:23:19 · 3250 阅读 · 2 评论 -
稀疏表示 字典学习 SMALLbox SPARCO toolbox
稀疏表示 字典学习 SMALLbox SPARCO toolbox原文地址:字典学习 SMALLbox SPARCO toolbox" href="http://blog.sina.com.cn/s/blog_60dce3cd0100nxe8.html" target="_blank">稀疏表示 字典学习 SMALLbox SPARCO toolbox作者:stone做稀疏转载 2012-03-14 15:00:48 · 1171 阅读 · 0 评论 -
稀疏表达:向量、矩阵与张量(上)
http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1/ 稀疏表达:向量、矩阵与张量(上)2010年6月1日 happyharry发表评论阅读评论稀疏表达是近年来SP, ML, PR, CV领域中的一大热点,文章可谓是普天盖地,令人目不暇给。老板某门课程的转载 2012-03-30 15:27:04 · 2334 阅读 · 0 评论 -
稀疏表达:向量、矩阵与张量(中)
点击打开链接http://www.cvchina.info/?s=%E7%A8%80%E7%96%8F%E8%A1%A8%E8%BE%BE 2010年7月13日 happyharry发表评论阅读评论在开始正文之前,咱首先得说明一下,这篇东西偏向于理论,各位看官可以自行跳过某些部分。这方面的工作奠基人同样也是compressive sensing的大牛之一E.J Ca转载 2012-03-30 15:45:48 · 1152 阅读 · 0 评论 -
zz:压缩感知科普文两则
http://www.cvchina.info/2010/06/08/compressed-sensing-2/ 2010年6月8日 cvchina发表评论阅读评论这几天由于happyharry的辛勤劳动,大伙纷纷表示对稀疏表达,压缩感知很感兴趣啊。我是搞不太懂这个前沿啊,只好转两篇科学松鼠会的科普文,都是译文,说不定大伙都看过了原文。第一篇是陶哲轩写的。转载 2012-03-30 15:48:39 · 1250 阅读 · 1 评论 -
High Dimensional Pattern Recognition via Sparse Representation
http://www.eecs.berkeley.edu/~yang/presentationpage.html Software:http://www.eecs.berkeley.edu/~yang/software/softwarepage.htmlCopyright Notice: It is important that you read and understand the翻译 2012-04-10 14:10:59 · 1078 阅读 · 0 评论 -
Sparse Representation软件和工具包
Fast l-1 Minimization Algorithms: Homotopy and Augmented Lagrangian Method-- Implementation from Fixed-Point MPUs to Many-Core CPUs/GPUsAllen Y. Yang, Arvind Ganesh, Zihan Zhou, Andrew Wagner,翻译 2012-04-10 13:15:59 · 2688 阅读 · 0 评论 -
Matrix Completion
http://perception.csl.illinois.edu/matrix-rank/references.html2010年的CVPR最佳paper:Efficient computation of robust low-rank matrix approximations in the presence of missing data using l1 norm.Tutoria原创 2012-04-09 16:03:08 · 5118 阅读 · 1 评论 -
三维人脸研究
三维人脸研究现状:传统的人脸识别方法是基于二维图像分析的理论进行人脸的表示、分析、提取特征并进行分类识别。虽然基于二维图像的人脸识别算法在半个多世纪的研究过程中,取得了丰硕的成果,但是研究表明,基于二维图像分析的人脸识别方法受到诸如光照、姿态、表情等成像条件的影响较大。与二维数据相比,三维数据包含了人脸的空间信息,是人脸本身固有的信息,对外界条件的变化具有很好鲁棒性[13]。采集获得的脸部三维原创 2012-04-17 14:39:38 · 9168 阅读 · 8 评论 -
欠定线性方程组Ax=b的稀疏解, 一篇关于稀疏信号处理
from:http://blog.sina.com.cn/s/blog_5ea4087f0100cajs.html近年来,国际运筹学界优化领域中一个新的研究主题:以压缩感知(Compressive Sensing)为重要背景的优化问题稀疏解理论引起了高度关注。压缩感知由于以尽可能小的采样获取大规模的稀疏信息,因而具有广泛的应用。 经典的线性转载 2012-04-23 09:26:13 · 4836 阅读 · 0 评论 -
Datasets for Computer Vision Research
Datasets for Computer Vision Research http://www.di.ens.fr/willow/research.php The Ponce Group Main Page Vision Research Robotics Research Publications Technica原创 2012-05-22 10:46:58 · 1660 阅读 · 0 评论 -
自编码器(Autoencoders)
https://www.cnblogs.com/happylion/p/4270013.html【deep learning精华部分】稀疏自编码提取高阶特征、多层微调完全解释及代码逐行详解我们前面已经讲了如何训练稀疏自编码神经网络,当我们训练好这个神经网络后,当有新的样本输入到这个训练好的稀疏自编码器中后,那么隐藏层各单元的激活值组成的向量就可以代表(因为根据稀疏自编码,我们可以用来恢复)...转载 2019-04-14 10:33:41 · 962 阅读 · 0 评论