一种高效的在线卷积字典学习近似方法
计算机视觉与模式识别
2023-01-26 v1
摘要
大多数现有卷积字典学习（CDL）算法基于批量学习，使用训练数据集以交替方式优化字典滤波器与卷积稀疏表示。当使用大型训练数据集时，批量CDL算法内存消耗 prohibitively 大。在线学习技术通过在求得每个训练样本的稀疏表示后增量优化字典，降低CDL的内存需求。然而，使用现有在线CDL（OCDL）算法学习大型字典仍计算代价极高。本文提出一种融合训练样本稀疏分解的新型近似OCDL方法。所得优化问题采用交替方向乘子法求解。基于多个图像数据集的广泛实验评估表明，所提方法在保持SOTA OCDL算法有效性的同时大幅降低计算成本。
引用
@article{arxiv.2301.10583,
title = {An Efficient Approximate Method for Online Convolutional Dictionary Learning},
author = {Farshad G. Veshki and Sergiy A. Vorobyov},
journal= {arXiv preprint arXiv:2301.10583},
year = {2023}
}