×
李胜;李良月;傅云

低库和稀疏字典学习。 （英语） Zbl 1323.68435号

Fu，Yun（编辑），视觉分析的低秩和稀疏建模。查姆：施普林格（ISBN 978-3-319-1199-1/hbk；978-3-316-12000-3/电子书）。61-85 (2014).
摘要：学习信息字典是稀疏表示和低阶建模的关键挑战。词典的质量通常会显著影响学习模型的性能。在本章中，我们提出了一种新的低秩字典学习方法，该方法学习具有低秩约束的判别字典。我们分别为每个类学习一个子字典，并考虑字典的整体表示能力。特别是，我们的模型中加入了Fisher准则，以提高字典的可区分性，从而最大化类间散布与类内散布的比率。实际上，训练样本可能包含噪音信息，这会破坏字典的质量。受低秩矩阵恢复最新进展的启发，我们对每个类的子字典实施低秩约束，以解决此问题。我们的模型被表示为一个正则化秩最小化问题，可以用迭代投影法（IPM）和不精确增广拉格朗日乘子（ALM）算法求解。在四个公开人脸和数字图像数据集上，与现有的有代表性的字典学习和图像分类方法进行比较，评估了所提出的低阶正则化（D^2L^2R^2）判别字典学习方法。实验结果表明，我们的方法在各种设置下都优于相关方法。
关于整个系列，请参见[Zbl 1305.68023号].

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

低阶约束;费希尔准则;稀疏表示;字典学习;人脸识别

软件：

TFOCS公司;CMU项目
PDF格式BibTeX公司 XML格式引用
\textit{S.Li}等人，in：用于视觉分析的低秩和稀疏建模。查姆：斯普林格。61-85（2014年；兹比尔1323.68435）
全文： 内政部

参考文献：

[1] M.Aharon，M.Elad，A.Bruckstein，K-svd：为稀疏表示设计过完备字典的算法。IEEE传输。信号处理。54(11), 4311-4322 (2006) ·兹比尔1375.94040 ·doi:10.1109/TSP.2006.881199
[2] T.Bai，Y.Li，使用灵活结构稀疏表示的鲁棒视觉跟踪。IEEE传输。Ind.Inf.10（1），538-547（2014）·doi:10.1109/TII.2013.2272089
[3] S.R.Becker，E.J.CandèS，M.C.Grant，凸锥问题模板及其在稀疏信号恢复中的应用。数学。程序。计算。3(3), 165-218 (2011) ·Zbl 1257.90042号 ·doi:10.1007/s12532-011-0029-5
[4] P.N.Belhumeur，J.P.Hespanha，D.J.Kriegman，特征脸与渔夫脸：使用特定类别线性投影进行识别。IEEE TPAMI 19（7），711-720（1997）·Zbl 05111919号 ·doi:10.1109/34.598228
[5] Y.Bengio，A.C.Courville，P.Vincent，《表征学习：回顾与新视角》。IEEE传输。模式分析。机器。智力。35(8), 1798-1828 (2013) ·doi:10.1109/TPAMI.2013.50
[6] D.P.Bertsekas，（约束优化和拉格朗日乘子方法）（学术出版社，纽约，1982）·Zbl 0572.90067号
[7] E.Candès，B.Recht，通过凸优化实现精确矩阵补全。已找到。计算。数学。9(6), 717-772 (2009) ·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5
[8] E.J.Candès，X.D.Li，Y.Ma，J.Wright，稳健主成分分析？J.ACM 58（3），11（2011）·Zbl 1327.62369号 ·数字对象标识代码：10.1145/1970392.1970395
[9] E.J.Candès，B.Recht，通过凸优化实现精确矩阵补全。已找到。计算。数学。9(6), 717-772 (2009) ·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5
[10] C.F.Chen，C.P.Wei，Y.F.Wang，稳健人脸识别的结构非相干低秩矩阵恢复，收录于（CVPR 2012），第2618-2625页（2012）
[11] S.Chen，S.A.Billings，W.Luo，正交最小二乘法及其在非线性系统辨识中的应用。《国际期刊控制》50（5），1873-1896（1989）·Zbl 0686.93093号 ·网址：10.1080/00207178908953472
[12] G.Davis，S.Mallat，M.Avellaneda，自适应贪婪近似。施工。近似值13（1），57-98（1997）·Zbl 0885.41006号 ·doi:10.1007/BF02678430
[13] D.L.Donoho，A.Maleki，A.Montanari，压缩感知的消息传递算法。程序。美国国家科学院。科学。106(45), 18914-18919 (2009) ·doi:10.1073/pnas.0909892106
[14] D.L.Donoho，Y.Tsaig，解可能稀疏时的快速解。IEEE传输。《信息论》54（11），4789（2008）·Zbl 1247.94009号 ·doi:10.1109/TIT.2008.929958
[15] R.O.Duda，P.E.Hart，D.G.Stork，（模式分类），第2版。（威利，纽约，2001年）·Zbl 0968.68140号
[16] B.Efron，T.Hastie，I.Johnstone，R.Tibshirani，最小角回归。Ann.Stat.32（2），407-499（2004）·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[17] M.Elad，B.Matalon，M.Zibulevsky，带非二次正则化的线性最小二乘的坐标和子空间优化方法。申请。计算。谐波分析。23(3), 346-367 (2007) ·Zbl 1133.65022号 ·doi:10.1016/j.acha.2007.02.002
[18] K.Frisch，凸规划的对数势方法。备忘录1955年5月13日（1955年）
[19] S.Gao，I.W.-H.Tsang，Y.Ma，《学习特定类别词典和用于细粒度图像分类的共享词典》。IEEE传输。图像处理。23(2), 623-634 (2014) ·Zbl 1374.94114号 ·doi:10.1109/TIP.2013.2290593
[20] H.Guo，Z.Jiang，L.Davis，《基于成对约束的判别词典学习》，载《ACCV 2012》，第7724卷（施普林格出版社，柏林，2013），第328-342页
[21] G.Irie，D.Liu，Z.Li，S.F.Chang，《多模态视觉词典学习的贝叶斯方法》，收录于（CVPR），第329-336页（2013）
[22] I.H.Jhuo，D.Liu，D.T.Lee，S.F.Chang，《低阶重建的鲁棒视觉领域适应》，载于《CVPR 2012》（2012）
[23] 江泽民、林志林、戴维斯，《通过标签一致的k-svd学习稀疏编码的判别词典》，载《CVPR 2011》，第1697-1704页（2011）
[24] N.Karmarkar，线性规划的一种新的多项式时间算法，载《1984年第16届ACM计算理论研讨会论文集》，（ACM，1984），第302-311页·Zbl 0557.90065号
[25] R.Keshavan、A.Montanari、S.Oh，《从嘈杂的条目中完成矩阵》。J.马赫。学习。2057-2078年第11号决议（2010年）·Zbl 1242.62069号
[26] K.Kreutz-Delgado，J.F.Murray，B.D.Rao，K.Engan，T.-W.Lee，T.J.Sejnowski，稀疏表示的字典学习算法。神经计算。15(2), 349-396 (2003) ·Zbl 1047.68101号 ·doi:10.1162/089976603762552951
[27] Y.LeCun，L.Bottou，Y.Bengio，P.Haaffner，基于梯度的学习应用于文档识别。程序。IEEE 86（11），2278-2324（1998）·数字对象标识代码：10.1109/5.726791
[28] H.Lee，A.Battle，R.Raina，A.Y.Ng，《高效稀疏编码算法》（NIPS 2007），B.Schölkopf，J.Platt，T.Hoffman编辑（麻省理工学院出版社，剑桥，2007），第801-808页
[29] K.-C.Lee，J.Ho，D.Kriegman，获取可变光照下人脸识别的线性子空间。IEEE TPAMI 27（5），684-698（2005）·Zbl 05111315号 ·doi:10.1109/TPAMI.2005.92
[30] M.S.Lewicki，B.A.Olshausen，图像代码自适应和比较的概率框架。JOSA A 16（7），1587-1601（1999）·doi:10.1364/JOSAA.16.001587
[31] L.Li、S.Li和Y.Fu，人脸识别低阶正则化判别词典学习，in（FG 2013）（2013）
[32] 李良良，李良良，傅良良，学习图像分类的低秩判别词典。图像可视性。计算。(2014)
[33] Z.Lin，M.Chen，Y.Ma，精确恢复受损低秩矩阵的增广拉格朗日乘子方法。arXiv预印本
[34] G.C.Liu，Z.C.Lin，Y.Yu，基于低秩表示的稳健子空间分割，in（ICML 2010），pp.663-670（2010）
[35] G.C.Liu，S.C.Yan，子空间分割和特征提取的潜在低阶表示，in（ICCV 2011）（2011）
[36] R.S.Liu、Z.C.Lin、F.D.Torre、Z.X.Su，《无监督视觉学习的固定库代表》，载《CVPR 2012》（2012）
[37] L.Ma，C.Wang，B.Xiao，W.Zhou，基于区分性低阶词典学习的人脸识别稀疏表示，载于《CVPR 2012》，第2586-2593页（2012）
[38] D.M.Malioutov，M.Cetin，A.S.Willsky，稀疏信号表示的同伦延拓，in（ICASSP 2005），IEEE，第5卷，第728-733页（2005）
[39] S.G.Mallat，Z.Zhang，将追求与时频词典相匹配。IEEE传输。信号处理。41(12), 3397-3415 (1993) ·Zbl 0842.94004号 ·数字对象标识代码：10.1109/78.258082
[40] X.Mo，V.Monga，R.Bala，Z.Fan，视频异常检测的自适应稀疏表示。IEEE传输。电路系统。视频技术24（4），631-645（2014）·doi:10.1109/TCSVT.2013.2280061
[41] I.Naseem，R.Togneri，M.Bennamoun，人脸识别的线性回归。IEEE TPAMI 32（11），2106-2112（2010）·doi:10.1109/TPAMI.2010.128
[42] Y.Nesterov，一种求解收敛速度为o（1/k2）的凸规划问题的方法。苏联。数学。多克。27, 372-376 (1983) ·Zbl 0535.90071号
[43] M.R.Osborne，B.Presnell，B.A.Turlach，最小二乘问题中变量选择的新方法。IMA J.数字。分析。20(3), 389-403 (2000) ·Zbl 0962.65036号 ·doi:10.1093/imanum/20.3.89
[44] T.Poggio、T.Serre等人，学习视觉皮层中形状成分的字典：与神经元、人类和机器的比较。麻省理工学院博士论文（2006）
[45] L.Rosasco，S.Mosci，S.Santoro，A.Verri，S.Villa，结构化稀疏正则化的迭代投影方法。技术报告，MIT-CSAIL-TR-2009-050技术报告，麻省理工学院（2009）·Zbl 1317.68183号
[46] F.Samaria，A.Harter，人脸识别随机模型的参数化，in（WACV 1994），pp.138-142（1994）
[47] M.Shao，C.Castillo，Z.Gu，Y.Fu，低库转移子空间学习，in（ICDM 2012）（2012）
[48] T.Sim、S.Baker、M.Bsat，《cmu姿势、照明和表情（饼图）数据库》，收录于（FG 2002）（2002）
[49] A.Wagner，J.Wright，A.Ganesh，Z.Zhou，H.Mobahi，Y.Ma，面向实用人脸识别系统：通过稀疏表示实现鲁棒对齐和照明。IEEE TPAMI 34（2），372-386（2012）·doi:10.1109/TPAMI.2011.112
[50] J.Wang，J.Yang，K.Yu，F.Lv，T.Huang，Y.Gong，图像分类的局部约束线性编码，见\（CVPR 2010\）（2010）
[51] N.Wang、J.Wang和D.-Y.Yeung，视觉跟踪的在线健壮非负词典学习，in（ICCV），pp.657-664（2013）
[52] J.Wright，A.Yang，A.Ganesh，S.Sastry，Y.Ma，通过稀疏表示实现鲁棒人脸识别。IEEE TPAMI 31（2），210-227（2009）·doi:10.1109/TPAMI.2008.79
[53] Y.Xie，C.Huang，T.Song，J.Ma，J.Jing，通过低秩和稀疏表示字典学习进行对象联合检测，收录于《VCIP》，第1-6页（2013）
[54] A.Y.Yang、S.Iyengar、S.Sastry、R.Bajcsy、P.Kuryloski、R.Jafari，《使用可穿戴运动传感器网络对人类行为进行分布式分割和分类》，收录于（CVPRW 2008），第1-8页（2008）
[55] A.Y.Yang，Z.Zhou，A.Ganesh，S.S.Sastry，Y.Ma，鲁棒人脸识别的快速l1-最小化算法。arXiv预印本
[56] J.Yang，J.Wright，T.S.Huang，Y.Ma，图像超分辨率作为原始图像块的稀疏表示，在\（CVPR\）（2008）
[57] J.Yang，K.Yu，Y.Gong，T.S.Huang，使用稀疏编码的线性空间金字塔匹配用于图像分类，收录于（CVPR），第1794-1801页（2009）
[58] M.Yang、L.Zhang、X.C.Feng、D.Zhang，《稀疏表示的Fisher判别词典学习》，载于《ICCV 2011》，第543-550页（2011）
[59] H.Zhang、J.Yang、Y.Zhang，N.M.Nasrabadi、T.S.Huang，闭环：稀疏表示优先的联合盲图像恢复和识别，in（ICCV 2011），第770-777页（2011）
[60] Q.Zhang，B.Li，人脸识别中字典学习的判别k-svd，in（CVPR 2010），pp.2691-2698（2010）·Zbl 1222.91021号
[61] Y.Zhang，Z.Jiang，L.S.Davis，《学习图像分类的结构化低阶表示法》，载于（CVPR），第676-683页（2013）
[62] Z.D.Zhang，A.Ganesh，X.Liang，Y.Ma，Tilt：变换不变的低阶纹理。国际期刊计算。视觉。99（1），1-24（2012）·Zbl 1254.68290号 ·文件编号：10.1007/s11263-012-0515-x
[63] G.Y.Zhu，S.C.Yan，Y.Ma，面向低阶、内容标记优先和错误稀疏的图像标记细化，in（ACM Multimedia 2010），第461-470页（2010）
[64] L.S.Zhuang，H.Y.Gao，Z.C.Lin，Y.Ma，X.Zhang，N.H.Yu，半监督学习中的非负低秩稀疏图，in（CVPR 2012），pp.2328-2335（2012）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。