结构化稀疏卷积自编码器

本文旨在通过捕获物体的结构来改进卷积网络（Convnet）中的特征学习。在提取的特征图上施加一种新的稀疏性函数以捕获所学物体的结构与形状，提取可解释特征从而提升预测性能。所提算法基于以结构化形式通过 $\ell_{2}$ 和 $\ell_{1}$ 归一化约束节点活动，来组织特征图内部及跨特征图的激活。