这篇paper在基于前两篇paper的基础上做了些改进。
ScSPM用SC coding代替VQ coding之后,用linear SVM取得了不错的效果。有人发现SC coding具有局部性,为了利用这个特点,便有了LCC coding。基于SC 和LCC,这篇paper提出LLC coding,这种编码方法进一步降低了编码计算复杂度,并且可以用linear SVM。
下面将这几种coding的目标函数做一下比较
VQ coding:
这其实就是一个线性回归问题,用了最小二乘法来求解。relax对Ci的限制,再加上一个sparse regularization 项,便是SC coding:
这个方程的最优化问题主要参考了文献Efficient sparse coding algorithms的算法,具体算法有待深究。改变SC的约束项,便是LLC coding:
其中
约束项相当于locality adaptor,这个虽然不是l0范数意义上的稀疏,却在重要系数的意义上确是稀疏的,通过设置阈值,把较小的系数设置为0。这样做与前两种coding algorithm比较有以下优点:
1.相对VQ来说,LLC reconstruction error 更小,因为一个descriptor用了多个base来表示
2.相对SC来说,LLC 不仅是稀疏的,而且具有局部平滑性,把距离较远的base的系数限制为0
3.LLC 具有解析解
注:以上目标函数中lamda的作用是调节结果的稀疏性,lamda越大,结果越稀疏。
进一步研究中。。。