学习深度分析字典——第二部分：卷积字典
机器学习
2020-02-04 v1 计算机视觉与模式识别
机器学习
摘要
本文中，我们引入深度卷积分析字典模型（DeepCAM），通过学习卷积字典而非如配套论文中深度分析字典模型所用的非结构化字典。卷积字典更适于处理如图像等的高维信号，且仅有少量自由参数。通过利用卷积字典的性质，我们提出一种高效的卷积分析字典学习方法。一个L层DeepCAM由L层卷积分析字典与逐元素软阈值对，以及单层卷积合成字典组成。类似于DeepAM，每个卷积分析字典由一个卷积信息保持分析字典（IPAD）与一个卷积聚类分析字典（CAD）构成。IPAD与CAD使用所提学习算法的变体进行学习。我们证明DeepCAM是一种有效的多层卷积模型，并且在单图像超分辨率上取得了与其他方法相当的性能，同时展现出良好的泛化能力。
引用
@article{arxiv.2002.00022,
title = {Learning Deep Analysis Dictionaries -- Part II: Convolutional Dictionaries},
author = {Jun-Jie Huang and Pier Luigi Dragotti},
journal= {arXiv preprint arXiv:2002.00022},
year = {2020}
}