深度微字典学习与编码网络
计算机视觉与模式识别
2018-12-27 v2
摘要
本文提出一种新颖的深度微字典学习与编码网络（DDLCN）。DDLCN 具有大多数标准深度学习层（池化、全连接、输入/输出等），但主要区别在于基础卷积层被新颖的复合字典学习与编码层所替代。字典学习层为输入训练数据学习一个过完备字典。在深度编码层，加入局部性约束以保证被激活的字典基彼此接近。接下来，被激活的字典原子被组装在一起并传递到下一个复合字典学习与编码层。以此方式，第一层中被激活的原子可由第二字典中更深的原子表示。直观上，第二字典旨在学习在输入字典原子间共享的细粒度成分。由此，可获得更具信息量和判别性的字典原子底层表示。我们通过实验将所提 DDLCN 与若干字典学习方法和深度学习架构进行比较。在四个流行基准数据集上的实验结果表明，所提 DDLCN 取得了与最先进方法相竞争的成果。
引用
@article{arxiv.1809.04185,
title = {Deep Micro-Dictionary Learning and Coding Network},
author = {Hao Tang and Heng Wei and Wei Xiao and Wei Wang and Dan Xu and Yan Yan and Nicu Sebe},
journal= {arXiv preprint arXiv:1809.04185},
year = {2018}
}
备注
10 page, 8 figures, accepted to WACV 2019