稀疏与协作竞争表示的乘法融合用于图像分类
计算机视觉与模式识别
2020-01-22 v1
摘要
基于表示的分类方法在过去几年中成为研究热点，其中两种最突出的方法是基于稀疏表示的分类（SRC）和基于协作表示的分类（CRC）。CRC 揭示使 SRC 成功的不是稀疏性而是协作表示。然而，CRC 的稠密表示可能不具备判别性，这会使其分类任务性能下降。为在某种程度上缓解该问题，我们提出一种称为基于稀疏与协作竞争表示的分类（SCCRC）的新方法用于图像分类。首先，分别通过 SRC 和 CCRC 获得测试样本的系数。然后将 SRC 和 CCRC 的系数相乘得到融合系数。最后，测试样本被指派给具有最小残差的类。在多个基准数据库上的实验结果证明了我们提出的 SCCRC 的有效性。SCCRC 的源代码可在 https://github.com/li-zi-qi/SCCRC 获取。
引用
@article{arxiv.2001.07090,
title = {Multiplication fusion of sparse and collaborative-competitive representation for image classification},
author = {Zi-Qi Li and Jun Sun and Xiao-Jun Wu and He-Feng Yin},
journal= {arXiv preprint arXiv:2001.07090},
year = {2020}
}
备注
submitted to International Journal of Machine Learning and Cybernetics