- 博客(9)
- 资源 (36)
- 收藏
- 关注
原创 关于字典
在信号处理中,字典有2种,不同字典为图像或其他信号去噪、修复、稀疏表示具有不同意义。稀疏编码学习字典模拟简单神经元感知域响应最求过完备的,把同性质(同朝向特征)的特征但不同位置响应特征融入字典中,致使字典过于庞大,学习特征仅仅是简单几何结构,特征代表高频成份;卷积字典,从整体出发学习的特征,特征由滤波器表示,具有平移不变形,学习过程中,学习简单特征外,还可以学习复杂特征。这种方
2012-11-30 15:44:46 694
原创 涉及稀疏编码等文献(逐步更新文献)-----------之二
涉及稀疏编码等文献(考虑图像块,局部特征)应用:跟踪、去噪、图像分割、重构、模式识别2)Tracking[1] Xu Jia, Huchuan Lu, Ming-Hsuan Yang. VisualTracking via Adaptive Structural Local Sparse Appearance Model.CVPR,2012.[2] Tianxiang Bai,
2012-11-30 11:27:39 931
原创 传统方法学习(Sparse coding and ICA model)的过完备字典带来的问题
传统方法学习的过完备字典 过完备字典能够很好的稀疏表示信号,但是引入了庞大的字典空间,不利传输,同时给信号的稀疏表示带来过多无用信息。如何解决学习较小的字典容量,同时不失去信号的表示效果呢,不失字典过完备性?1.约束相似原子,迫使学习复杂特征;2.引入平移不变因子,将位置变化但朝向不变的多原子用单一原子和平移项表示,即将字典分解为平移项与新字典成绩。新字典含有边缘、块、轮廓、拐角
2012-11-29 16:29:33 1946
原创 模式识别或行为识别存在的问题
模式识别等存在问题(有待完善) 1.池运算/池操作(Pooling operation)?池运算就是一种采样策略,将低数据表示的维数。例如,矩阵数据转为向量、大矩阵采样后转换小矩阵等。池运算是一种非线性映射。正是由于是一种采样策略,故不可避免的会损失有用信息。在行为识别中,最明显的例子就是局部运动信息,局部特征缺少详细的信息(位置),会致使邻帧运动特征捕获不到。对于这个不足,如
2012-11-28 11:11:56 2476
原创 卷积学习与传统稀疏编码、ICA模型学习区别(逐步补充)
逐步总结(有待补充)无监督学习知识框架:这种分类不合适,稀疏编码等也可以从统计学角度看做模型学习与参数选择。实际上,稀疏编码是从1维信号发展起来的表示方法。近年来,稀疏编码逐渐引入信号的先验信息,由非模型向基于模型的转变,学习特色字典。单层(Sparse,字典-【特征】与ICA字典-【滤波器】代表意思不同)、两层多层训练:For exam
2012-11-26 10:45:48 5657 2
原创 稀疏编码/ICA模型---MRF统计结构
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)、TIC
2012-11-23 11:00:10 1478
原创 非线性特征提取技术 参考文献---之四
仅代表个人意见,可能不全非线性特征提取技术的研究较少目前主要从径向投影及径向高斯分布方面着手。REF:[1]SiweiLyu.Nonlinear extraction of Independentcomponents ofnatural Images Using Radial Gaussianization.Neural Computation 21,1485-1519(200
2012-11-16 19:02:28 1125
原创 无监督学习特征--稀疏编码、深度学习、ICA部分代表文献-------之一
l 学习映射函数及在行为识别/图像分类中应用的文献(模型与非模型之间存在关联,算法相互采用,没有明确的区分,含仿生学文献)% 研究重点放到ICA模型及深度学习兼顾稀疏编码1)稀疏编码(稀疏编码、自动编码、递归编码):[1] B. Olshausen and D. Field. Emergence of simple-cell receptive field propert
2012-11-16 18:55:16 5510
转载 卷积神经网络----无监督特征学习
卷积神经网络是近年发展起来,并引起广泛重视的一种高效识别方法。20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出了卷积神经网络(Convolutional Neural Networks-简称CNN)。现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于该网络避免了对图像的
2012-11-05 20:18:51 15527
基于BP人工神经网络的地表水辐射环境质量评价
2009-03-20
用GA直接训练BP网络的权重算法
2010-05-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人