特定类还是共享类？一种用于图像分类的级联字典学习框架
计算机视觉与模式识别
2020-10-26 v2
摘要
字典学习方法可分为两类：i) 类特定字典学习；ii) 类共享字典学习。这两类方法的区别在于如何利用判别信息。对于第一类，不同类的样本被映射到不同的子空间，这导致类特定基向量之间存在一定的冗余。而对于第二类，每个特定类中的样本无法被精确描述。本文中，我们首先提出一种新颖的类共享字典学习方法，称为标签嵌入字典学习（LEDL）。它是在 LCKSVD 基础上的改进，更易求得最优解。随后我们提出一种新颖的框架，称为级联字典学习框架（CDLF），将特定字典学习与共享字典学习相结合，以充分描述特征并提升分类性能。在六个基准数据集上的大量实验结果表明，与几种 state-of-the-art 分类算法相比，我们的方法能够实现更优的性能。
引用
@article{arxiv.1904.08928,
title = {Class specific or shared? A cascaded dictionary learning framework for image classification},
author = {Yan-Jiang Wang and Shuai Shao and Rui Xu and Werifeng Liu and Bao-Di Liu},
journal= {arXiv preprint arXiv:1904.08928},
year = {2020}
}