基于判别稀疏优化学习的视觉识别
计算机视觉与模式识别
2017-12-06 v1
摘要
为了更好地选择正确的训练样本并获得查询样本的鲁棒表示，本文提出一种基于判别的稀疏优化学习模型。该学习模型将判别性与稀疏性结合在一起。基于此模型，我们进而提出一种称为基于局部性的判别稀疏表示（LDSR）的分类器。由于判别性有助于增大不同类样本间的差异并减小同类样本间的差异，LDSR能够获得更好的稀疏系数并构成更好的用于分类的稀疏表示。为了利用核技巧、判别性与稀疏性的优势，我们进一步提出一种称为核基于局部性的判别稀疏表示（KLDSR）的非线性分类器。在多个知名数据库上的实验证明，LDSR与KLDSR的性能优于若干SOTA方法，包括基于深度学习的方法。
引用
@article{arxiv.1712.01645,
title = {Vision Recognition using Discriminant Sparse Optimization Learning},
author = {Qingxiang Feng and Yicong Zhou},
journal= {arXiv preprint arXiv:1712.01645},
year = {2017}
}