通过学习线性组合字典进行识别的块对角稀疏表示

基于领域自适应字典学习的跨领域视觉识别

Cross-Domain Visual Recognition via Domain Adaptive Dictionary Learning

在现实世界的视觉识别问题中，经常违反训练数据（源域）和测试数据（目标域）从相同分布采样的假设。这被称为领域自适应问题。在这项工作中，我们提出了一个新的域自适应字典学习框架的跨域视觉识别。我们的方法生成一组中间域。这些中间域形成了一条平滑的路径，并在源域和目标域之间架起了一座桥梁。具体来说，我们不仅学习一个共同的字典编码域共享的功能，但也学习了一组特定领域的字典来建模域转移。通用词典和领域自适应词典的分离使我们能够学习到更紧凑的、可重构的词典，以用于领域自适应。这些字典通过域自适应稀疏编码和字典更新步骤之间的交替来学习。同时，我们的方法沿着域路径逐步恢复源数据和目标数据的特征表示，通过对齐所有恢复的域数据，我们得到最终的跨域视觉识别的域自适应特征。在三个公共数据集上的大量实验表明，我们的方法优于大多数最先进的方法。

基于非相干字典的低秩表示人脸识别

Low-rank representations with incoherent dictionary for face recognition

人脸识别一直是计算机视觉领域的研究热点，而训练图像和测试图像同时被破坏是人脸识别的一个难题。在本文中，我们提出了一种新的半监督方法的基础上的低秩矩阵恢复人脸识别的理论，它可以同时学习的歧视性低秩和稀疏表示的训练和测试图像。为此，我们提出的方法来学习一个不连贯的字典的制定引入相关惩罚项。在多个人脸图像库上的实验结果证明了该方法的有效性，该方法对光照、表情和姿态变化，以及具有诸如块遮挡或均匀噪声的噪声的图像具有鲁棒性。

用于视觉识别的无监督领域自适应字典学习

Unsupervised domain adaption dictionary learning for visual recognition

在过去的几年中，字典学习方法已被广泛应用于处理各种计算机视觉识别应用，并产生了最先进的结果。然而，当目标域的数据实例具有与源域的数据实例不同的分布时，字典学习方法可能无法很好地执行。本文针对跨域视觉识别问题，提出了一种简单有效的无监督域自适应方法，其中标记数据仅来自源域。为了使源域和目标域中的原始数据分布一致，该方法在对源域和目标域中最近耦合的数据进行联合字典学习的同时，强制源域和目标域中最近耦合的数据具有相同的稀疏表示，学习后的字典可以分别重构源域和目标域中的原始数据。因此原始数据的稀疏表示可以用于执行视觉识别任务。我们证明了我们的方法在标准数据集上的有效性。我们的方法与竞争对手的最先进的方法相比，表现相当或更好。

基于局部约束低秩表示和字典学习的人脸识别

Face Recognition via Locality Constrained Low Rank Representation and Dictionary Learning

人脸识别由于其在智慧城市应用中的重要性而得到了广泛的研究。然而，当训练图像和测试图像都被破坏时，情况没有得到很好的解决。针对这一问题，本文提出了一种局部约束的低秩表示和字典学习（LCLRRDL）算法，用于鲁棒的人脸识别。特别是，我们提出了三个贡献，在拟议的提法。首先，引入低秩表示来处理训练数据和测试数据的可能污染。其次，局部性约束的加入，以确认固有的流形结构的训练数据。通过引入局部性约束项，我们的方案使得相似的样本具有相似的表征。第三，学习一个紧凑的字典来处理损坏数据的问题。在两个公共数据库上的实验结果证明了该方法的有效性。我们提出的LCLRRDL的Matlab代码可以从https://github.com/yinhefeng/LCLRRDL下载。

基于字典学习的几何形状识别

Recognition of Geometrical Shapes by Dictionary Learning

针对几何形状识别，提出首个将字典学习应用于该任务的方法，通过研究底层优化方法对识别质量的显著影响，实验证实字典学习可作为形状识别的有效方法。

领域自适应人脸识别中的组合字典

Compositional Dictionaries for Domain Adaptive Face Recognition

我们提出了一种字典学习方法来补偿由于视点，光照，分辨率等变化而引起的人脸变换。我们方法的关键思想是强制域不变稀疏编码，即，在不同的域中设计同一张脸的一致稀疏表示。以这种方式，在例如由正面人脸组成的源域中的稀疏代码上训练的分类器可以应用于目标域（由不同姿势、照明条件等的人脸组成），而不会损失太多的识别精度。该方法是首先学习域基字典，然后使用基字典上的稀疏表示来描述每个域移位（身份、姿态、照明）。适应于每个域的字典被表示为基字典的稀疏线性组合。在人脸识别的背景下，与建议的组合字典的方法，人脸图像可以分解成稀疏表示为一个给定的主题，姿势和照明分别。这种方法有三个优点：第一，提取的稀疏表示的主题是一致的跨域，使姿势和照明不敏感的人脸识别。其次，姿态和照明的稀疏表示可以随后用于估计面部图像的姿态和照明条件。最后，通过组成主题和不同领域的稀疏表示，我们还可以执行姿势对齐和照明归一化。使用两个公开的人脸数据集进行了大量的实验，以证明我们的方法的有效性人脸识别。

场景识别和领域自适应的混合CNN和字典模型

Hybrid CNN and Dictionary-Based Models for Scene Recognition and Domain Adaptation

卷积神经网络（CNN）在许多不同的视觉任务中取得了最先进的性能。从大规模训练数据集中学习，CNN特征比手工制作的特征更具区分力和准确性。此外，CNN特征也可以在不同的域之间转移。另一方面，传统的基于字典的特征（如BoW和SPM）包含更多的局部判别和结构信息，这些信息被隐式地嵌入到图像中。为了进一步提高性能，在本文中，我们提出了结合CNN与基于字典的模型的场景识别和视觉领域自适应。具体地，基于良好调整的CNN模型（例如，AlexNet和VGG Net），进一步构建了两种基于字典的表示，即中层局部表示（MLR）和卷积Fisher向量表示（CFV）。在MLR中，一种有效的两阶段聚类方法，即，对单个图像的部分进行加权空间和特征空间谱聚类，然后对所有图像的所有代表部分进行聚类，用于生成类混合或类特定部分字典。之后，部分字典用于与多尺度图像输入一起操作以生成中级表示。在CFV中，利用多尺度和尺度比例GMM训练策略来基于CNN的最后一个卷积层生成Fisher向量。通过融合MLR、CFV和全连通层的CNN特征的互补信息，在场景识别和领域自适应问题上可以达到最先进的性能。一个有趣的发现是，我们提出的混合表示（来自ImageNet上训练的VGG网络）也与GoogLeNet和/或VGG-11（在Place 205上训练）有很大的互补性。

场景文本识别中的图像-文本匹配引导词典

Scene Text Recognition with Image-Text Matching-guided Dictionary

本文提出一种基于图像-文本匹配的词典语言模型，通过对比学习在特征空间中匹配图像与候选文本，纠正视觉预测偏差，在六个基准上达到93.8%准确率，并集成ABINet取得新最先进结果。

基于滑动字典的动作稀疏表示识别

Sliding Dictionary Based Sparse Representation For Action Recognition

鉴于其在游戏、监控和医疗保健中的应用，动作识别的任务一直处于研究的前沿。在这项工作中，我们提出了一个简单的，但非常有效的方法，它可以无缝地使用骨骼关节的离线和在线动作识别。我们构建了一个滑动字典，其中包含训练数据及其时间戳。这用于计算输入动作序列的稀疏系数，该输入动作序列被划分为重叠窗口，每个窗口为每个动作类给出概率得分。此外，我们计算另一个简单的功能，校准每个动作序列的训练序列，并从每个训练数据的动作的偏差模型。最后，获得每个窗口的两个异质但互补的特征的分数级融合，并且将可用窗口的分数连续组合以给出每个动作类的置信度分数。这种组合分数的方式使得该方法适合于只有部分序列可用的场景。在三个公开数据集上的实验结果表明，该方法对离线和在线动作识别任务都是有效的。

用于鲁棒人脸识别的结构遮挡编码

Structured Occlusion Coding for Robust Face Recognition

人脸识别中的遮挡问题是一个常见而又具有挑战性的问题。虽然基于稀疏表示的分类（SRC）已被证明在实验室条件下（即无噪声或随机像素损坏）有前途的性能，但它在实际情况下表现得更差。在本文中，我们考虑实际的人脸识别问题，其中的遮挡是可预测的，可用于采样。我们提出了结构化遮挡编码（SOC）来解决遮挡问题。这里的结构化编码有两个方面。一方面，我们采用结构化的字典进行识别。另一方面，我们建议在这个公式中使用结构稀疏性。具体而言，SOC同时分离遮挡和分类的图像。通过这种方法，将遮挡图像的识别问题转化为在附加遮挡的字典上寻找结构化稀疏解的问题。为了构造一个性能良好的遮挡字典，我们提出了一个遮挡掩模估计技术通过局部约束字典（LCD），显示在遮挡样本的显着改善。在一个特定类别的遮挡字典，我们取代规范稀疏与结构稀疏，这是更强大的，进一步提高我们的方法的鲁棒性。此外，SOC在处理现实世界中的大遮挡方面取得了显着改善。在公开数据集上进行了大量的实验，验证了该算法的优越性。

通用图像分类方法在人脸识别中的应用

Generic Image Classification Approaches Excel on Face Recognition

这项工作的主要发现是，标准的图像分类管道，包括字典学习，特征编码，空间金字塔池和线性分类，在测试的基准数据集上优于所有最先进的人脸识别方法（我们已经在AR，Extended Yale B，具有挑战性的FERET和LFW-a数据集上进行了测试）。这个令人惊讶和突出的结果表明，这些进展一般图像分类可以直接应用于改善人脸识别系统。换句话说，人脸识别可能不需要被视为一个单独的对象分类问题。虽然最近大量的基于残差的人脸识别方法集中在开发复杂的字典学习算法，在这项工作中，我们表明，随机提取的补丁（即使是从非人脸图像）的字典可以实现非常有前途的结果，使用图像分类管道。这意味着，字典学习方法的选择可能并不重要。相反，我们发现使用不同的低级图像特征学习多个字典通常会提高最终的分类准确率。我们提出的人脸识别方法在广泛使用的人脸识别基准数据集上提供了最好的报告结果。特别是，在具有挑战性的FERET和LFW-a数据集上，我们将文献中报道的最佳准确度分别提高了约20%和30%。

一种高效的有监督字典学习音频信号识别方法

An efficient supervised dictionary learning method for audio signal recognition

机器听觉或倾听代表了一个新兴领域。传统的方法依赖于专门针对特定音频任务的手工特征的设计，并且很难推广到其他音频领域。例如，梅尔频率倒谱系数（MFCC）及其变体被成功地应用于计算听觉场景识别，而色度向量则擅长于音乐和弦识别。不幸的是，这些预定义的特征可能具有可变的辨别力，同时由于剪辑的不同性质而扩展到其他任务或甚至在同一任务内。出于这种需要一个原则性的框架，跨域应用程序的机器监听，我们提出了一个通用的和数据驱动的表示学习方法。为此，提出了一种新颖、高效的监督字典学习方法。该方法学习不同的字典，每个类一个，以提取用于分类的异构信息。换句话说，我们正在寻求最小化类内同质性和最大化类可分性。这通过促进类特定字典之间的成对正交性并控制音频剪辑在这些字典上的分解的稀疏结构而成为可能。由此产生的优化问题是非凸的，并使用近端梯度下降方法求解。实验进行计算听觉场景（东安格利亚和鲁昂）和合成音乐和弦识别数据集。获得的结果表明，我们的方法是能够达到国家的最先进的手工制作的功能，这两个应用程序。

Alpha-wolves 与 Alpha-mammals：探索虹膜识别系统的字典攻击

Alpha-wolves and Alpha-mammals: Exploring Dictionary Attacks on Iris Recognition Systems

本文首次揭示虹膜识别系统中通过按位运算混合IrisCodes生成alpha-wolves和alpha-mammals的字典攻击漏洞，实验表明在低误匹配率下可匹配大量身份，严重威胁系统安全。

当字典学习遇到深度学习：用于有限数据图像识别的深度字典学习和编码网络

When Dictionary Learning Meets Deep Learning: Deep Dictionary Learning and Coding Network for Image Recognition with Limited Data

我们提出了一种新的深度字典学习和编码网络（DDLCN），用于有限数据的图像识别任务。所提出的DDLCN具有大多数标准深度学习层（例如，输入/输出、池化、完全连接等），但是基本卷积层被我们提出的复合字典学习和编码层所取代。字典学习为输入训练数据学习过完备字典。在深层编码层，增加了局部性约束，以保证激活的字典基彼此接近。然后，激活的字典原子被组装并传递到复合字典学习和编码层。以这种方式，第一层中的激活原子可以由第二字典中更深的原子表示。直观地，第二字典被设计为学习输入字典原子之间共享的细粒度组件，从而可以获得字典原子的更有信息性和区分性的低级表示。我们将DDLCN与几种领先的字典学习方法和深度学习模型进行了实证比较。在5个流行数据集上的实验结果表明，在训练数据有限的情况下，DDLCN与现有方法相比具有很好的性能.代码可在https://github.com/Ha0Tang/DDLCN上获得。

Grassmann流形上的字典学习和稀疏编码：一种外在的解决方案

Dictionary Learning and Sparse Coding on Grassmann Manifolds: An Extrinsic Solution

计算机视觉和机器学习的最新进展表明，通过考虑非欧几里德几何，可以更适当地解决各种问题。在本文中，我们探索了线性子空间空间上的稀疏字典学习，这些线性子空间形成了被称为格拉斯曼流形的黎曼结构。为此，我们建议嵌入格拉斯曼流形到空间的对称矩阵的等距映射，这使我们能够设计一个封闭形式的解决方案更新格拉斯曼字典，原子原子。此外，为了处理数据中的非线性，我们提出了字典学习算法的核化版本。几个分类任务（人脸识别，动作识别，动态纹理分类）的实验表明，所提出的方法实现了相当大的改善，在歧视的准确性相比，最先进的方法，如核仿射壳方法和图形嵌入格拉斯曼判别分析。

基于成对稀疏表示模型的单样本鲁棒人脸识别

A Paired Sparse Representation Model for Robust Face Recognition from a Single Sample

基于稀疏表示的分类（SRC）已被证明在人脸识别（FR）中实现了高水平的准确性。然而，将在不受约束的视频中捕获的面部与每个个体具有单个参考面部静止的图库进行匹配通常产生低准确度。为了提高对类内变化的鲁棒性，FR的SRC技术最近被扩展到将来自外部通用集合的变化信息并入辅助字典中。尽管它们在处理线性变化方面取得了成功，但非线性变化（例如，姿势和表情）不能用图库和辅助字典中的图像的线性组合来精确地重建，因为它们不共享相同类型的变化。为了说明由于姿态的非线性变化，引入了成对的稀疏表示模型，允许联合使用变分信息和合成人脸图像。所提出的模型，称为合成加变分模型，重建探头图像，共同使用（1）变分字典和（2）画廊字典增强与一组合成图像产生的各种各样的姿态角。然后鼓励增强图库字典通过解决新制定的同时基于稀疏性的优化问题来将相同的稀疏性模式与用于类似姿态角的变分字典配对。在Chokepoint和COX-S2V数据集上使用不同的人脸表示获得的实验结果表明，所提出的方法可以在每人单个样本的情况下优于最先进的基于SRC的静止到视频FR方法。

基于全卷积网络的手写体识别

Fully Convolutional Networks for Handwriting Recognition

手写文本识别具有挑战性，因为人类可以用几乎无限的方式编写相同的消息。我们的完全卷积手写模型接受未知长度的手写样本，并输出任意符号流。我们的双流架构使用本地和全球的背景下，减轻了繁重的预处理步骤，如符号对齐校正以及复杂的后处理步骤，如连接主义的时间分类，字典匹配或语言模型的需要。使用超过100个独特的符号，我们的模型是不可知的拉丁语为基础的语言，并被证明是相当有竞争力的最先进的字典为基础的方法在流行的IAM和RIMES数据集。当一个字典是已知的，我们进一步允许一个概率字符出错率，以纠正错误的字块。最后，我们介绍了一种基于注意力的机制，它可以自动定位手写体的变体，如倾斜，笔画宽度或噪音。

基于低秩变分字典和逆投影组稀疏表示模型的乳腺肿瘤分类

Low Rank Variation Dictionary and Inverse Projection Group Sparse Representation Model for Breast Tumor Classification

稀疏表示分类通过为每个主题提供足够的训练样本来解决识别问题，取得了良好的效果。然而，SRC表现不是很好的小样本数据。提出了一种基于低秩变异字典构造的逆投影群稀疏表示模型用于乳腺肿瘤分类。所提出的低秩变异字典从检测和使用正常和患者的基因表达谱中的变异的角度来处理肿瘤识别问题，而不是直接使用这些样本。在充分利用现有样本的基础上，结合基因芯片数据的群体效应，构建了逆投影群体稀疏表示模型。在公开的乳腺肿瘤微阵列基因表达数据集上的广泛实验表明，所提出的技术与最先进的方法相比具有竞争力。Breast-1、Breast-2和Breast-3数据库的结果分别为80.81%、89.10%和100%，均优于最新文献。

Discriminative Dictionary Design for Action Classification in Still Images and Videos

In this paper, we address the problem of action recognition from still images and videos. Traditional local features such as SIFT, STIP etc. invariably pose two potential problems: 1) they are not evenly distributed in different entities of a given category and 2) many of such features are not exclusive of the visual concept the entities represent. In order to generate a dictionary taking the aforementioned issues into account, we propose a novel discriminative method for identifying robust and category specific local features which maximize the class separability to a greater extent. Specific…

Cross-label Suppression：一种判别式快速分组正则化字典学习算法

Cross-label Suppression: A Discriminative and Fast Dictionary Learning with Group Regularization

本文通过有效地学习一个紧凑的和有区别的字典来解决图像分类问题。给定一个结构化字典，每个原子（字典矩阵中的列）与一些标签相关，我们提出了交叉标签抑制约束，以扩大不同类别的表示之间的差异。同时，我们引入群正则化来强制表示以保持原始样本的标签属性，这意味着鼓励同一类的表示是相似的。在交叉标记抑制时，我们不求助于常用的$\ell_0$ -范数或$\ell_1$ -范数进行编码，并且在不损失分类的区分能力的情况下获得计算效率。此外，两个简单的分类方案也开发，以充分利用学习字典。在人脸识别、物体分类、场景分类、纹理识别和运动动作分类等6个数据集上进行了大量的实验，结果表明，该方法在识别精度和计算效率上均优于目前提出的许多字典算法。

基于半监督稀疏表示的样本不足人脸识别分类算法

Semi-Supervised Sparse Representation Based Classification for Face Recognition with Insufficient Labeled Samples

本文讨论的问题，人脸识别时，只有很少的，甚至只有一个单一的，标记的例子，我们希望认识到的脸。此外，这些示例通常被滋扰变量破坏，无论是线性的（即，附加的干扰变量（例如不良照明，戴眼镜）和非线性（即，非加性的逐像素干扰变量，例如表情变化）。少量的标记样本意味着很难在训练和测试人脸之间去除这些讨厌的变量以获得良好的识别性能。为了解决这个问题，我们提出了一种方法称为半监督稀疏表示基于分类（S $^3$ RC）。这是基于最近关于稀疏性的工作，其中面部用两个字典表示：由每个人的一个或多个示例组成的图库字典，以及表示线性滋扰变量（例如，不同的照明条件，不同的眼镜）。其主要思想是：（i）我们使用变异字典通过稀疏性框架来表征线性滋扰变量，然后（ii）通过高斯混合模型（GMM）将原型人脸图像估计为图库字典，以半监督的方式混合标记和未标记样本，以处理标记和未标记样本之间的非线性滋扰变化。我们已经做了实验，没有足够的标记样本，即使每个人只有一个标记样本。我们在AR，Multi-PIE，CAS-PEAL和LFW数据库上的结果表明，所提出的方法能够显着提高现有方法的性能。

基于局部约束表示的鲁棒人脸对齐

Efficient Face Alignment via Locality-constrained Representation for Robust Recognition

在过去的几十年里，人们一直在研究实用的人脸识别，但仍然是一个开放的挑战。目前流行的方法已经在识别精度方面取得了实质性的突破。然而，如果人脸样本严重错位，它们的性能通常会急剧下降。为了解决这个问题，我们提出了一个高效的误识鲁棒局部约束表示（MRLR）算法，用于实际的实时人脸识别。具体地说，局部约束，激活最相关的原子和抑制不相关的，被应用于构建字典的人脸对齐。然后，我们同时对齐扭曲的脸，并更新局部约束字典，最终获得最终的对齐。此外，我们利用块结构来加速导出的解析解。在公共数据集上的实验结果表明，MRLR在效率和可扩展性方面明显优于几种最先进的方法，具有更好的性能。

MagnifyMe：通过身份感知合成辅助交叉分辨率人脸识别

MagnifyMe: Aiding Cross Resolution Face Recognition via Identity Aware Synthesis

通过超分辨率或图像合成来增强低分辨率图像以进行跨分辨率人脸识别已经得到了很好的研究。已经探索了若干图像处理和机器学习范例来解决该问题。在这项研究中，我们提出了通过深度稀疏表示合成算法，用于从低分辨率输入图像合成高分辨率人脸图像。该算法学习高分辨率和低分辨率图库图像的多级稀疏表示，以及身份感知字典和两种表示之间的转换函数，用于人脸识别场景。以低分辨率的测试数据作为输入，使用身份感知字典和变换合成高分辨率的测试图像，然后将其用于人脸识别。所提出的SDSR算法的性能进行了评估四个数据库，包括一个真实世界的数据集。实验结果和现有的七种算法的比较表明，该算法的人脸识别和图像质量的措施方面的有效性。

基于字典学习的机器人抓取识别与检测

Dictionary Learning for Robotic Grasp Recognition and Detection

抓取普通和可能从未见过的物体的能力是家用和工业机器人的一个重要特征。为了实现这一目标，系统必须通过使用来自各种传感器（如Microsoft Kinect 3D摄像头）的信息来自主识别抓取位置。尽管取得了许多进展，但在这一领域仍有大量工作要做。为此，我们提出了一个字典学习和稀疏表示（DLSR）框架，用于在确定这种良好的抓取位置的背景下表示来自3D传感器的RGBD图像。与先前提出的依赖于复杂正则化或非常大的数据集的方法相比，派生的感知系统具有快速的训练阶段，并且可以处理小数据集。这也是理论上成立的处理掩蔽的条目，这是常见的3D传感器。我们的贡献，提出了一个比较研究的几个DLSR方法组合识别和检测把握候选人的标准康奈尔数据集。重要的是，实验结果显示，与当前最先进的卷积神经网络（CNN）相比，检测性能提高了1.69%，识别性能提高了3.16%。尽管现在最流行的基于视觉的方法是CNN，但这表明DLSR也是一种可行的替代方案，具有CNN所没有的有趣优势。

AMR-CCR: 以锚定模块检索实现连续中文字符识别

AMR-CCR: Anchored Modular Retrieval for Continual Chinese Character Recognition

AMR-CCR通过锚定模块检索框架实现连续中文字符识别，解决持续类增长和脚本多样性问题，提出轻量级脚本注入模块和多原型字典以提升识别性能。

Scalable handwritten text recognition system for lexicographic sources of under-resourced languages and alphabets

The paper discusses an approach to decipher large collections of handwritten index cards of historical dictionaries. Our study provides a working solution that reads the cards, and links their lemmas to a searchable list of dictionary entries, for a large historical dictionary entitled the Dictionary of the 17th- and 18th-century Polish, which comprizes 2.8 million index cards. We apply a tailored handwritten text recognition (HTR) solution that involves (1) an optimized detection model; (2) a recognition model to decipher the handwritten content, designed as a spatial transformer network (STN…

多模态任务驱动的图像分类词典学习

Multimodal Task-Driven Dictionary Learning for Image Classification

字典学习算法已经成功地用于重建和判别任务，其中输入信号用字典原子的稀疏线性组合表示。虽然这些方法大多是针对单模态场景开发的，但最近的研究已经证明了基于多模态输入的联合稀疏表示的特征级融合的优势。在本文中，我们提出了一个多模态任务驱动的字典学习算法下的联合稀疏约束（先验），以加强多个同质/异构信息源之间的合作。在这个任务驱动的公式，多模态字典学习的同时，其相应的分类。由此产生的多模态字典可以从针对给定任务（例如二进制或多类分类）优化的数据中生成有区别的潜在特征（稀疏代码）。此外，我们提出了一个扩展的建议制定使用混合的联合和独立的稀疏先验，有利于更灵活的融合的方式在特征级。所提出的多模态分类算法的功效说明了四个不同的应用程序-多模态人脸识别，多视图人脸识别，多视图动作识别，和多模态生物识别。它还表明，与对应的基于重构的字典学习算法相比，任务驱动的配方在这个意义上，它们可以配备更紧凑的字典，仍然实现卓越的性能是更有效的计算。

Grassmann流形上的编码和字典学习的外部方法

Extrinsic Methods for Coding and Dictionary Learning on Grassmann Manifolds

基于稀疏性的表示最近在各种视觉识别任务中取得了显着的成果。在另一条研究线中，黎曼流形被证明对于处理不在欧几里德空间中的特征和模型是有用的。为了在这两个领域之间建立一座桥梁，我们解决了线性子空间空间上的稀疏编码和字典学习问题，这些线性子空间形成了被称为格拉斯曼流形的黎曼结构。为此，我们建议嵌入格拉斯曼流形到空间的对称矩阵的等距映射。这反过来又使我们能够扩展两个稀疏编码方案格拉斯曼流形。此外，我们提出了学习格拉斯曼字典，原子原子的封闭形式的解决方案。最后，为了处理数据中的非线性，我们通过嵌入到Hilbert空间中来扩展所提出的Grassmann稀疏编码和字典学习算法。实验结果表明，与核仿射壳方法和图嵌入Grassmann判别分析方法相比，该方法在性别识别、手势分类、景物分析、人脸识别、动作识别和动态纹理分类等分类任务上的识别精度有了显著提高.

Geometrically Adaptive Dictionary Attack on Face Recognition

CNN-based face recognition models have brought remarkable performance improvement, but they are vulnerable to adversarial perturbations. Recent studies have shown that adversaries can fool the models even if they can only access the models' hard-label output. However, since many queries are needed to find imperceptible adversarial noise, reducing the number of queries is crucial for these attacks. In this paper, we point out two limitations of existing decision-based black-box attacks. We observe that they waste queries for background noise optimization, and they do not take advantage of adver…

基于块坐标下降法的在线判别字典学习图像分类

Online Discriminative Dictionary Learning for Image Classification Based on Block-Coordinate Descent Method

先前的研究已经证明，具有稀疏编码的字典学习框架（其中信号被分解为已学习字典的几个原子的线性组合）非常适合重建问题。该框架还被用于诸如图像分类的辨别任务。为了实现更好的分类性能，专家们开发了几种方法来以监督的方式学习判别字典。然而，另一个问题是，当数据规模变得非常大时，这些方法将不再有效，因为它们都是面向批处理的方法。为此，我们提出了一种新的在线判别式词典学习算法，在本文中被称为\textbf{ODDL}。首先，我们将线性分类器引入到传统的字典学习公式中，并导出一个判别式字典学习问题。然后，我们利用一个在线算法来解决衍生问题。与大多数现有的方法，更新字典和分类器交替通过迭代求解子问题，我们的方法直接探索他们联合。同时，它可以大大缩短训练的运行时间，也特别适合于大规模的分类问题。为了评估所提出的ODDL方法在图像识别中的性能，我们在三个著名的基准上进行了一些实验，实验结果表明ODDL对于图像分类任务是相当有前途的。

HSR：L1/2正则化稀疏表示用于分层特征选择的快速人脸识别

HSR: L1/2 Regularized Sparse Representation for Fast Face Recognition using Hierarchical Feature Selection

在本文中，我们提出了一种新的方法，用于快速人脸识别称为L1/2正则稀疏表示使用分层特征选择（HSR）。通过采用分层特征选择，可以压缩全局字典的规模和维数，这直接有助于减少稀疏表示的计算开销，而稀疏表示正是本文方法的基础。它由Gabor小波和极端学习机自动编码器（ELM-AE）分层。对于Gabor小波部分，可以在多个尺度和方向上提取局部特征，形成基于Gabor特征的图像，从而提高识别率。此外，当人脸图像被遮挡时，基于Gabor特征的遮挡字典存在冗余，可以相应地压缩全局字典的规模。对于ELM-AE部分，基于Gabor特征的全局字典的维数可以被压缩，因为高维的人脸图像可以被快速地表示为低维的特征。通过引入L1/2正则化，我们的方法可以产生更稀疏和更强大的表示相比，正则化稀疏表示基于分类（SRC），这也有助于减少稀疏表示的计算成本。在多种人脸数据库上的实验结果表明，与SRC和基于Gabor特征的SRC（GSRC）等相关工作相比，该方法在计算量方面具有很大的优势。此外，我们还实现了近似甚至更好的识别率。

基于大位移光流的快速图像对齐稀疏编码

Sparse Coding with Fast Image Alignment via Large Displacement Optical Flow

基于稀疏表示的分类器在图像分类任务中表现出出色的准确性和鲁棒性，即使存在强烈的噪声和遮挡。然而，已经发现，当测试图像不与字典原子对齐或字典原子本身不彼此对齐时，性能显著降低，在这种情况下，稀疏线性表示假设失败。在本文中，有训练和测试图像错位，我们引入了一种新的稀疏编码框架，能够有效地适应字典原子的测试图像通过大位移光流。在该算法中，每个字典原子自动对齐输入图像，然后使用自适应字典原子恢复稀疏代码。一个相应的监督字典学习算法也提出了框架。数字识别实验结果验证了该算法的有效性和鲁棒性。

对称正定流形上的Bregman发散稀疏编码

Sparse Coding on Symmetric Positive Definite Manifolds using Bregman Divergences

介绍了对称正定矩阵的稀疏编码和字典学习，这两种方法在机器学习、计算机视觉等领域有着广泛的应用。与传统的稀疏编码方案，工作在向量空间中，在本文中，我们讨论如何SPD矩阵可以描述的字典原子，其中的原子也是SPD矩阵的稀疏组合。我们建议通过两种类型的Bregman矩阵发散将SPD矩阵的空间嵌入到Hilbert空间中来寻求稀疏编码。这不仅导致执行稀疏编码的有效方式，而且还导致用于字典学习的在线和迭代方案。我们将所提出的方法应用到几个计算机视觉任务中，图像由区域协方差矩阵表示。我们提出的算法优于国家的最先进的方法在广泛的分类任务，包括人脸识别，动作识别，材料分类和纹理分类。

基于稀疏光照学习和迁移的单样本人脸识别算法

Sparse Illumination Learning and Transfer for Single-Sample Face Recognition with Image Corruption and Misalignment

单样本人脸识别是人脸识别中最具挑战性的问题之一。我们提出了一种新的算法来解决这个问题的基础上稀疏表示为基础的分类（SRC）框架。新算法对图像错位和像素损坏具有鲁棒性，并且能够将所需的图库图像减少到每类一个样本。为了补偿传统上由多幅图库图像提供的缺失的照明信息，引入了稀疏照明学习和传递（SILT）技术。SILT中的照明是通过用稀疏使用的照明字典拟合来自一个或多个附加主体的辅助面部图像的照明示例来学习的。通过在照明字典中强制执行查询图像的稀疏表示，SILT可以有效地恢复并将照明和姿态信息从对准阶段转移到识别阶段。我们广泛的实验表明，新的算法显着优于最先进的单样本制度和较少的限制。特别地，单样本面部对准精度与每个类使用多个图库图像的众所周知的可变形SRC算法的精度相当。此外，人脸识别的准确性超过了SRC和扩展SRC算法使用手标记对齐初始化。

时空识别任务中运动和外观特征的协方差

Covariance of Motion and Appearance Featuresfor Spatio Temporal Recognition Tasks

在本文中，我们介绍了一个端到端的视频分析框架，重点是建立在稀疏表示理论基础上的实际场景，包括一个用于通用视频分析的新描述符。在我们的方法中，我们从光流和强度的一阶和二阶导数计算运动学特征，分别表示运动和外观。这些功能，然后用于构建协方差矩阵，捕获联合统计的低级别的运动和外观特征提取的视频。使用从标记的训练样本构建的基于协方差的描述符的过完备字典，我们将低级别事件识别制定为稀疏线性近似问题。在此范围内，我们提出的协方差矩阵，这也符合半正定矩阵的空间，作为一个行列式最大化问题的稀疏分解。此外，由于协方差矩阵位于非线性黎曼流形上，我们比较我们以前的方法与稀疏线性近似的替代方案，是适合于等价的向量空间的协方差矩阵。这是通过使用正交匹配追踪算法搜索查询数据在字典上的最佳投影来完成的。我们展示了我们的视频描述符在两个不同应用领域的适用性-即在不受约束的情况下的低级别事件识别和使用一次性学习的手势识别。我们的实验为大规模视频分析提供了有前途的见解。

基于字典学习和低秩表示的多聚焦图像融合

Multi-focus Image Fusion using dictionary learning and Low-Rank Representation

在表示学习中，低秩表示（Low-rank Representation，LRR）是众多领域的研究热点之一，特别是在图像处理和模式识别中。LRR虽然能够捕获全局结构，但由于缺乏字典学习，局部结构保持能力有限。本文提出了一种新的基于字典学习和LRR的多聚焦图像融合方法，以获得更好的全局和局部性能。首先，利用滑动窗口技术将源图像分割成若干块。然后，根据方向梯度直方图（HOG）功能的补丁进行分类。每一类子字典的学习是通过K-奇异值分解（K-SVD）算法实现的。其次，通过组合这些子字典来构造全局字典。然后，我们使用LRR中的全局字典来获得每个补丁的LRR系数向量。最后，对每个系数向量采用l_1范数和最大值融合策略，利用融合后的LRR系数和全局字典重构融合图像。实验结果表明，该方法与经典方法和新方法相比，在定性和定量评价上都具有很好的性能https://github.com/hli1221/imagefusion_dllrr

Sparsity and Robustness in Face Recognition

This report concerns the use of techniques for sparse signal representation and sparse error correction for automatic face recognition. Much of the recent interest in these techniques comes from the paper "Robust Face Recognition via Sparse Representation" by Wright et al. (2009), which showed how, under certain technical conditions, one could cast the face recognition problem as one of seeking a sparse representation of a given input face image in terms of a "dictionary" of training images and images of individual pixels. In this report, we have attempted to clarify some frequently encountere…

开发类皮质视觉对象识别系统的通用框架：尖峰波、预测编码和通用特征词典

A General Framework for Development of the Cortex-like Visual Object Recognition System: Waves of Spikes, Predictive Coding and Universal Dictionary of Features

本研究的重点是开发类皮层视觉物体识别系统。我们提出了一个总体框架，它包括三个层次（模块）。这些模块在功能上对应于V1、V4和IT领域。采用分层级别V4和IT之间的自底向上和自顶向下连接。输入和首选刺激之间的匹配程度越高，神经元的响应时间就越短。因此，关于单个刺激的信息在时间上是分布的，并通过尖峰波来传输。尖峰的相互连接和波实现了预测编码：基于由第一波尖峰传递的信息生成初始假设，并使用连续波携带的信息进行测试。开发被认为是V4中的特征和IT中的对象的提取和积累。一旦存储了特征，即使很少激活，也可以处理。这会导致更新功能存储库。因此，IT中的对象也会更新。这说明了V4、IT的生长过程和拓扑结构的动态变化以及它们之间的联系。

基于稀疏表示的自发人脸表情识别

Spontaneous Facial Expression Recognition using Sparse Representation

面部表情是人类表达情感最自然的方式。大多数面部表情分析研究都考虑了表演表情的情况。自发的面部表情识别明显更具挑战性，因为每个人都有不同的方式来对给定的情绪做出反应。我们考虑通过学习稀疏表示的判别字典来识别自发面部表情的问题。通过正交匹配追踪算法将人脸图像表示为原型原子的稀疏线性组合。然后使用稀疏码来训练专用于识别任务的SVM分类器。稀疏化面部图像的字典（具有相同类别标签的特征点应该具有相似的稀疏代码）对于鲁棒分类至关重要。学习稀疏化字典在很大程度上依赖于字典的初始化过程。为了提高字典的性能，一个随机的人脸特征描述符的基础上随机投影的概念。在自发人脸表情DynEmo数据库上进行了实验，验证了该方法的有效性。它还估计著名的表演面部表情JAFFE数据库的目的与国家的最先进的方法进行比较。

基于条件随机场模型和区分性稀疏编码的端到端细粒度动作分割与识别

End-to-End Fine-Grained Action Segmentation and Recognition Using Conditional Random Field Models and Discriminative Sparse Coding

细粒度的动作分割和识别是一项重要而又具有挑战性的任务。给定一个长的，未修剪的运动数据序列，任务是在每个时间帧的动作分类和分段的时间序列到正确的动作序列。在本文中，我们提出了一种新的框架，结合了时间条件随机场（CRF）模型与一个强大的帧级表示基于歧视性稀疏编码。我们引入了一个端到端的算法，共同学习的CRF模型，其中包括动作分类和动作转换成本的权重，以及一个过度完整的字典中级动作原语。这导致CRF模型由稀疏编码特征驱动，该稀疏编码特征使用在不同动作之间共享并适应于结构化输出学习任务的判别字典获得。我们使用来自JIGSAWS数据集的运动学数据在三个手术任务上评估我们的方法，以及使用来自50个沙拉数据集的加速度计数据在食物准备任务上评估我们的方法。我们的研究结果表明，该方法的性能等同于或优于国家的最先进的方法。

SignSeek：学习可迁移的手语词典检索表征

SignSeek: Learning Transferable Representations for Sign Dictionary Retrieval

SignSeek 采用显著性引导发音器掩码的对比学习，在多手语数据集预训练后，在跨语料库手语检索等任务上实现了最优性能，且可零样本泛化到新手语并迁移至其他相关任务。

使用某些（反）对角结构特征的手写字符识别

Handwritten character recognition using some (anti)-diagonal structural features

在本文中，我们提出了一种脱机手写字符识别的方法。所提出的方法依赖于一种新的特征提取技术的基础上的结构特征，直方图和配置文件。作为新颖性，我们提出了新的八个直方图和四个配置文件的$32\times 32$矩阵表示的字符，创建256维特征向量的提取。然后在使用$k$均值算法的分类步骤中采用这些特征向量。我们使用NIST数据库进行实验，以评估我们的建议。也就是说，使用1000个样本和64个类别对每个符号训练识别系统，并对每个符号测试500个样本。我们获得了有希望的准确性结果，从81.74%到93.75%不等，这取决于字符类别的难度，显示出比其他方法更好的准确性结果，也是基于结构特征的。

结构稀疏编码的快速逼近及其在目标分类中的应用

Fast approximations to structured sparse coding and applications to object classification

我们描述了一种快速近似稀疏编码的方法。输入空间被二进制决策树细分，并且我们同时学习字典并为树的每个叶子分配允许的字典元素。我们存储一个查找表，其中包含每个节点的赋值和伪逆，允许非常快速的推理。本文给出了一个学习树、字典和字典元素赋值的算法，并在描述这个算法的过程中，讨论了群结构稀疏建模中更一般的群学习问题。我们表明，我们的方法通过在\cite{lazebnik06,yang-cvpr-09}的对象识别框架中使用它来创建良好的稀疏表示。实现我们自己的SIFT描述符的快速版本，整个系统在具有四核CPU的笔记本电脑上以每秒20帧的速度运行$321 \times 481$大小的图像，同时在加州理工学院101和15场景基准测试中牺牲很少的准确性。

云字典：点云的稀疏编码和建模

Cloud Dictionary: Sparse Coding and Modeling for Point Clouds

随着LIDAR和飞行时间相机等距离传感器的发展，3D点云扫描在计算机视觉应用中变得无处不在，其中最突出的是手势识别和自动驾驶。基于简约的算法在图像和视频上取得了巨大的成功，其中数据点在规则的笛卡尔网格上采样。我们提出了一个适应这些技术不规则采样信号，通过使用连续字典。我们以点云去噪的形式给出了一个示例应用。

有监督字典学习与稀疏表示

Supervised Dictionary Learning and Sparse Representation-A Review

字典学习和稀疏表示（DLSR）是最近成功的用于数据表示的数学模型，其在诸如模式识别、机器学习、计算机视觉和医学成像的各种领域中实现最先进的性能。DLSR的原始公式是基于原始信号和其在学习字典空间中的稀疏表示之间的重建误差最小化。虽然这种公式对于解决去噪、修复和编码等问题是最佳的，但它可能不会导致分类任务中的最佳解决方案，其中最终目标是使学习的字典和相应的稀疏表示尽可能具有区分性。这促使了一类新技术的出现，这类技术被恰当地称为监督字典学习和稀疏表示（S-DLSR），从而在分类任务中实现了更优化的字典和稀疏表示。尽管许多研究工作的S-DLSR，文献缺乏一个全面的看法，这些技术，它们的连接，优点和缺点。在本文中，我们解决这个差距，并提供了一个审查最近提出的算法S-DLSR。我们首先提出了一个分类法，这些算法分为六个类别的基础上采取的方法，包括标签信息到字典和/或稀疏表示的学习。对于每一个类别，我们绘制了这一类别中的算法之间的连接，并为它们提供了一个统一的框架。然后，我们为应用研究人员提供了如何根据手头的问题表示和学习S-DLSR解决方案的构建块的指导方针。本文综述了S-DLSR的最新方法，并对这一新兴研究领域的研究和开发进行了深入的探讨。

分析线性动态系统：从建模到编码和学习

Analyzing Linear Dynamical Systems: From Modeling to Coding and Learning

用线性动态系统（LDSs）编码时间序列可以产生丰富的模型，其应用范围从动态纹理识别到视频分割等等。在本文中，我们提出了表示LDS与无限维子空间，并推导出一个解析解，以获得稳定的LDS。然后，我们设计了有效的算法来执行稀疏编码和字典学习的无限维子空间的空间。特别地，开发了两种解决方案来稀疏地编码LDS。在第一种方法中，我们将子空间映射到再生核希尔伯特空间（RKHS），并通过核稀疏编码来实现我们的目标。对于第二种解决方案，我们建议将无限维子空间嵌入到对称矩阵空间中，并在诱导空间中相应地制定稀疏编码。对于字典学习，我们通过引入一个新的概念，即双重LDS来编码时间序列。然后，我们利用双重LDS导出用于更新LDS字典的原子的解析形式，即，每个原子本身就是一个LDS。与几种基线和最先进的方法相比，所提出的方法在包括视频分类和触觉识别在内的各种分类任务中具有更高的精度。

用于分类的判别贝叶斯字典学习

Discriminative Bayesian Dictionary Learning for Classification

我们提出了一种贝叶斯方法来学习数据稀疏表示的判别字典。所提出的方法推断概率分布的判别字典的原子使用贝塔过程。它还计算将类标签与学习的字典原子相关联的伯努利分布集。这种关联表示在类特定数据的扩展中字典原子的选择概率。此外，所提出的方法的非参数字符允许它推断字典的正确大小。我们利用上述伯努利分布分别学习线性分类器。分类器使用相同的分层贝叶斯模型的字典，我们沿着吉布斯抽样的分析推理解决方案。对于分类，首先在学习的字典上对测试实例进行稀疏编码，然后将代码馈送到分类器。我们使用五个公共数据集进行了人脸和动作识别以及对象和场景类别分类的实验，并将结果与最先进的判别稀疏表示方法进行了比较。实验表明，所提出的贝叶斯方法始终优于现有的方法。

基于变分贝叶斯群稀疏非负矩阵分解的有监督字典学习

Supervised Dictionary Learning by a Variational Bayesian Group Sparse Nonnegative Matrix Factorization

非负矩阵分解（NMF）与组稀疏约束的概率图形模型，并制定，假设一些观察数据已产生的模型，一个可行的变分贝叶斯算法的学习模型参数。当在监督学习场景中使用时，NMF最常用作无监督特征提取器，然后在所获得的特征子空间中进行分类。在将类标签映射到更一般的组概念（其是系数的稀疏性的基础）之后，所提出的组稀疏NMF模型允许的是将类标签信息并入以找到低维标签驱动的字典，其不仅旨在忠实地表示数据，而且还适合于类判别。在面部识别和面部表情识别领域进行的实验表明，在这种标签驱动的特征子空间中进行分类比在无监督方式下获得的特征子空间中进行分类具有优势。

判别式词典学习的一个概率框架

A Probabilistic Framework for Discriminative Dictionary Learning

在本文中，我们解决了判别式字典学习（discriminative dictionary learning，缩写为RDL）的问题，其中稀疏线性表示和分类在概率框架中相结合。因此，单个判别字典和线性二进制分类器被联合学习。通过在MAP设置中编码稀疏表示和判别分类模型，我们提出了一个通用的优化框架，该框架允许在忠实表示和准确分类之间进行数据驱动的权衡。与以前的工作相反，我们的学习方法能够包含各种各样的分类成本函数（包括流行的提升方法中使用的那些），同时避免了对相关优化技术的需求。我们表明，可以解决的更新序列，利用著名的和研究的稀疏编码和字典学习算法从文献中的。为了验证我们的EQUIPMENT框架，我们将其应用于数字分类和人脸识别，并在标准基准上进行测试。

使用迭代字典学习和降维学习层次稀疏表示

Learning Hierarchical Sparse Representations using Iterative Dictionary Learning and Dimension Reduction

本文介绍了一个基本的积木，结合字典学习和降维（DRDL）。我们展示了如何使用这个基本元素来迭代构建一个层次稀疏表示（HSR）的感觉流。我们将我们的方法与现有的模型进行比较，显示我们简单处方的一般性。然后，我们使用这个框架进行初步的实验，说明与使用标准数据集的对象识别任务的例子。这项工作介绍了第一个步骤，为设计和分析各种计算任务的综合框架，从学习到注意力的行动。最终的目标是建立一个数学上严格的、综合的智力理论。

一种基于判别原子选择的多类结构化词典学习方法

A multi-class structured dictionary learning method using discriminant atom selection

在过去的十年中，传统的字典学习方法已经成功地应用于各种模式分类任务。虽然这些方法产生对失真和丢失数据鲁棒的信号的稀疏表示，但是如果最终目标是信号分类，则这种表示经常被证明是不合适的。为了克服或至少减弱这样的弱点，近年来出现了几种新的方法，这些方法将判别信息引入稀疏诱导模型。特别是，判别式字典学习的方法已被证明比传统的方法更准确（在信号分类方面），传统的方法只专注于最小化总表示误差。在这项工作中，我们提出了一种新的多类判别措施和创新的字典学习方法。对于一个给定的字典，这种新的措施，它不仅考虑到当一个特定的原子被用于表示来自某个类的信号和其相应的表示系数的大小，而且这种原子在总的表示误差的影响，是能够有效地量化的程度的可辨别性的每一个原子。另一方面，新的字典构造方法产生的字典是非常适合多类分类任务。我们的方法进行了测试，广泛使用的数据库的手写数字识别，并与三个国家的最先进的分类方法进行比较。结果表明，我们的方法显着优于其他三个实现良好的识别率，此外，降低了分类器的计算成本。

ASL Citizen：一个推动孤立手语识别发展的社区来源数据集

ASL Citizen: A Community-Sourced Dataset for Advancing Isolated Sign Language Recognition

该研究发布ASL Citizen，首个众包孤立手语识别数据集，含83,399个视频、2,731个手势，用于手语词典检索，训练分类器达到63%准确率和91%的top-10召回率，推动该领域最先进水平。

Deep Dictionary Learning with An Intra-class Constraint

In recent years, deep dictionary learning (DDL)has attracted a great amount of attention due to its effectiveness for representation learning and visual recognition.~However, most existing methods focus on unsupervised deep dictionary learning, failing to further explore the category information.~To make full use of the category information of different samples, we propose a novel deep dictionary learning model with an intra-class constraint (DDLIC) for visual classification. Specifically, we design the intra-class compactness constraint on the intermediate representation at different levels t…

基于结构对齐的类原型学习算法

Learning Class Prototypes via Structure Alignment for Zero-Shot Recognition

零样本学习（Zero-shot learning，简称ZRL）是一种利用语义信息和辅助数据集，在没有特定类别训练样本的情况下识别新类别对象的方法。最近，大多数的语义学习方法集中在学习视觉语义嵌入，以将知识从辅助数据集转移到新的类。然而，很少有人研究语义信息是否对识别任务具有区分性。为了解决这个问题，我们提出了一个耦合的字典学习方法来对齐的视觉语义结构使用类原型，其中的歧视性信息躺在视觉空间被用来改善歧视性较低的语义空间。然后，zero-shot识别可以在不同的空间中进行简单的最近邻方法使用学习的类原型。在四个基准数据集上的实验表明了该方法的有效性。