转载:http://www.cnblogs.com/aezero/p/4823423.html
Abstract:
本文主要介绍稀疏模型相关,侧重于字典学习和具体应用。
1.sparse background
2.DL(DIctionary Learning)是什么,用途,为什么好
3.我的DC(Customization)工作
I.稀疏模型
稀疏模型是最近几年比较hot的技术,在信号处理(压缩感知)、计算机视觉(比如JPEG压缩)领域影响比较大,在机器学习框架则可以看做是一种特征处理相关的模型。
具体的,稀疏表示是指在超完备字典 D D(超完备是说字典行数小于列数)中用尽可能少的原子来表示信号 x x,即:
考虑噪声就是
α 的size比 x 大很多,但是非零元素比 x 的size小很多很多。
稀疏的优点主要在于它是非线性模型,所以表达能力更强。具体来说,每个信号稀疏系数的非零元素位置不同(所谓的support),所以每个信号可以看做被投影到了不同的线性子空间,这是和正交字典-PCA之类的最大区别。而为什么在视觉图像里应用尤其多,也正是因为每张图像(如人脸)可以看做处于高维空间的一个低维子空间上(其实还有些研究用流形做子空间建模的)。
稀疏模型研究方向主要包括系数求解(即上面那个问题,经典算法有OMP贪心、lasso凸松弛和
l 1/2
非凸松弛),字典学习(获得更好的
D
,经典算法有MOD和K-SVD交替迭代)和模型应用。
II.字典学习
显然稀疏表达的效果好坏和我们用的字典有着密切的关系。字典分两类,一种是预先给定的分析字典,比如小波基、DCT等,另一种则是针对特定数据集学习出特定的字典。这种学出来的字典能大大提升在特定数据集的效果。
给定训练样本 X={x i ∥ n i=1 ,我们要所有样本在字典 D 上有稀疏表达 W={w i } n i=1 ,所以优化目标是
这个目标函数非凸,一般用交替迭代思想来解,即分别固定D和W,更新另一个,很多变种算法。目标函数分析起来比较难,所以这方面理论还比较弱,Agarwal,Gribonval等一帮人在搞。
应用方面往往稀疏表达和字典学习是混杂的,这里主要介绍下图像去噪、超分辨率和人脸识别,这三个例子效果都很好,貌似已经拿到工业界用了。
1.图像去噪(Elad)
对一个noisy image,把一个patch看做一个sample或signal,比如可以是一个8乘8的patch,拉成一列64维的向量,一个image可以从左上角到右下角窗口1滑动采样得到很多这样的patch。
(1)拿这些patches作为训练样本,用如K-SVD之类的算法可以学得字典D。(也可以用DCT等做字典)
(2)用D对patch进行稀疏表达,拿稀疏系数再根据字典D重建patch,丢失掉的那部分信息主要就是噪声信息,这样就起到了去噪的作用(这是利用噪声的性质,去噪后整个图片会变得光滑)。
2.超分辨率(MaYi)
(1)最主要的假设是高分辨率图像的patches x h 和对应的低分辨率图像的patches x l ,在相应的字典 D h 和 D l 上有相同的系数。这样的话,就可以把低分辨率图像先根据 D l 得到稀疏系数,再根据 D h 重建patches。
(2)剩下的问题是怎样学习得到 D l 和 D h ,即对于大量训练样本 patch-pairs (X l ,X h ) , 优化目标函数:
(3)Tricks: 对于 X l ,特征用Bicubic和高通滤波做了拓展。
(4)Elad学字典换了种方法,先K-SVD学 D l ,而 D h 通过下式得到
3.人脸识别(Jiang)
上面两个应用都是把单个patch作为sample,在做分类是则通常把一张image作为一个sample。因为一张图片拉成一列向量太大,首先会把图片投影到m维特征向量 y ,投影方法一般是用一个随机产生的mean为0的高斯分布(参考随机投影保距降维相关资料)。
这里介绍Jiang Zuolin的工作,他把字典 D 和线性分类器 W 一同学习得到,具体损失函数是
这里 (Y,H) 是训练样本(feature,label),Q那一项是一个label consistent项,用来加大字典原子的类别区分度的,构建方法不赘述了。
这个问题可以化为一个标准的字典学习问题,然后用一般字典学习方法求解。
这样的话,每新来一个样本,就先随机投影得到特征向量,然后用 D 得到稀疏系数,再用W对稀疏预测得出label。
此外,还有种方法是每个人对应一个字典,新来一张图,算和哪个字典构建误差最小来预测。
顺便比较下和deep learning,第一,潜力不如deep learning(吐槽下大量搞稀疏的人跑去搞deep learning了),第二,某种程度,deep learning也是稀疏思想,第三,dictionary learning相比优点就是没有那么多蛋疼的调参和tricks,简单有效代价低。
III.我的字典个性化工作
首先来说字典学习的思想,本质上,字典学习是学得一个更specialized的字典,这样的话对于特定的数据集就更加有效了。但是还是有几个问题,第一,学习的效果需要充足的样本来guarantee,第二,学习的代价是时间和计算,这就导致了很多时候不够specialized。比如往往只是specialize到了人类,而没有specialize到某个人。
所以我做的工作主要是得到更specialized的字典,也即字典个性化。鉴于还在审稿,具体方法不描述了。