基于样本依赖字典的在线卷积稀疏编码
计算机视觉与模式识别
2018-06-08 v2
摘要
卷积稀疏编码（CSC）已广泛用于图像与信号处理中平移不变字典的学习。然而，现有方法可扩展性有限。本文中，我们不使用为所有样本共享的字典进行卷积，而是提出使用样本依赖字典，其中滤波器作为从数据学习到的一小组基滤波器的线性组合获得。这一增加的灵活性使得可捕获大量样本依赖模式，同时所得模型仍可通过在线学习高效学习。大量实验结果表明，所提方法以显著降低的时间与空间需求优于现有 CSC 算法。
引用
@article{arxiv.1804.10366,
title = {Online Convolutional Sparse Coding with Sample-Dependent Dictionary},
author = {Yaqing Wang and Quanming Yao and James T. Kwok and Lionel M. Ni},
journal= {arXiv preprint arXiv:1804.10366},
year = {2018}
}
备注
Accepted by ICML-2018