InternVideo: General Video Foundation Models via Generative and Discriminative Learning
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；The University of Hong Kong（香港大学）；Nanjing University（南京大学）；Shanghai AI Laboratory（上海人工智能实验室）；Fudan University（复旦大学）；Tsinghua University（清华大学）；The Chinese University of Hong Kong（香港中文大学）
基础模型最近在计算机视觉的各种下游任务上表现出出色的性能。然而，大多数现有的视觉基础模型仅仅关注图像级的预训练和适应，这对于动态和复杂的视频级理解任务是有限的。为了填补这一空白，我们提出了通用的视频基础模型，InternVideo，利用生成和判别式自监督视频学习。具体而言，InternVideo有效地探索了掩蔽视频建模和视频语言对比学习作为预训练目标，并以可学习的方式选择性地协调这两个互补框架的视频表示，以促进各种视频应用。没有花里胡哨，InternVideo在39个视频数据集上实现了最先进的性能，这些数据集来自广泛的任务，包括视频动作识别/检测、视频语言对齐和开放世界视频应用。特别是，我们的方法在具有挑战性的Kinetics-400和Something-Something V2基准测试中分别获得了91.1%和77.2%的top-1准确度。所有这些结果都有效地显示了我们的InternVideo用于视频理解的通用性。该代码将在https://github.com/OpenGVLab/InternVideo上发布。
2022-12-07 cs.CV
Deep Discriminative Model for Video Classification
University of Oulu（奥卢大学）
本文提出了一种新的深度学习方法用于基于视频的场景分类。我们设计了一个异构深度判别模型（HDDM），其参数通过使用高斯限制玻尔兹曼机（GRBM）以逐层方式执行无监督预训练来初始化。为了避免相邻帧的冗余，我们提取帧内的时空变化模式，并使用稀疏立方对称模式（SCSP）稀疏表示它们。然后，使用每个类的视频分别训练预初始化的HDDM，以学习特定于类的模型。根据学习的类特定模型的最小重建误差，加权投票策略用于分类。所提出的方法的性能进行了广泛的评估两个动作识别数据集; UCF 101和好莱坞II，和三个动态纹理和动态场景数据集; DynTex，YUPENN和马里兰州。实验结果和与最先进方法的比较表明，该方法在所有数据集上都具有优异的性能。
2018-07-22 cs.CV
DMC-Net: Generating Discriminative Motion Cues for Fast Compressed Video Action Recognition
Facebook AI（Facebook人工智能）；Columbia University（哥伦比亚大学）；Univesity of Edinburgh（爱丁堡大学）
运动已被证明对于视频理解是有用的，其中运动通常由光流表示。然而，从视频帧计算流量是非常耗时的。最近的工作直接利用运动矢量和残差容易在压缩视频表示运动在没有成本。虽然这避免了流计算，但它也损害了准确性，因为运动矢量是有噪声的并且具有显著降低的分辨率，这使其成为辨别力较低的运动表示。为了解决这些问题，我们提出了一个轻量级的生成器网络，它减少了运动矢量中的噪声，并捕捉精细的运动细节，实现了更具鉴别力的运动提示（DMC）表示。由于光流是一种更精确的运动表示，我们训练DMC生成器使用重建损失和生成对抗损失来近似流，并结合下游动作分类任务。三个动作识别基准（HMDB-51，UCF-101，和一个子集的动力学）的广泛评估证实了我们的方法的有效性。我们的整个系统，包括生成器和分类器，被称为DMC网络，它获得了接近使用流量的高精度，并在推理时间比使用光流快两个数量级。
2019-05-07 cs.CV
Video Representation Learning Using Discriminative Pooling
Data61/CSIRO（联邦科学与工业研究组织数据61部）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；The Australian National University（澳大利亚国立大学）；MERL（三菱电机研究实验室）
用于视频中动作识别的流行深度模型为短片段生成独立的预测，然后将这些预测集中起来，为完整的视频片段分配动作标签。由于并非所有帧都可以表征潜在的动作-实际上，许多帧在多个动作中是共同的-对所有帧施加同等重要性的池化方案可能是不利的。为了解决这个问题，我们提出了区分池，基于这样的概念，即在所有短片段上生成的深度特征中，至少有一个特征是动作的特征。为此，我们学习一个（非线性）超平面，将这个未知但有区别的特征与其他特征分开。在大间隔设置中应用多实例学习，我们使用这个分离超平面的参数作为完整视频片段的描述符。由于这些参数与最大边缘框架中的支持向量直接相关，因此它们可以作为特征池的鲁棒表示。我们制定了一个联合目标和一个有效的求解器，学习这些超平面每个视频和相应的动作分类器的超平面。我们的池化方案在深度框架内是端到端可训练的。我们报告了三个基准数据集的实验结果，这些数据集涵盖了各种挑战，并展示了这些任务的最新性能。
2018-03-29 cs.CV
Representing Videos as Discriminative Sub-graphs for Action Recognition
University of Science and Technology of China（中国科学技术大学）；JD AI Research（京东人工智能研究院）
人类行为通常具有组合结构或模式，即，主体，客体，以及它们之间的时空互动。因此，发现这样的结构是一种有益的方式，可以推理相互作用的动力学并识别行为。在本文中，我们介绍了一种新的设计的子图表示和编码的歧视性模式的每个动作的视频。具体来说，我们提出了多尺度子图学习（MUSLE）框架，新颖地建立时空图和集群的图形到紧凑的子图在每个规模上的节点数。从技术上讲，MUSLE产生3D边界框，即，在每个视频剪辑中，tubelet作为图形节点，并将密集连接性作为tubelet之间的图形边缘。对于每个动作类别，我们执行在线聚类，通过学习高斯混合层将图分解为每个尺度上的子图，并选择有区别的子图作为动作原型进行识别。在Something-Something V1 & V2和Kinetics-400数据集上进行了广泛的实验，与最先进的方法相比，报告了优越的结果。更值得注意的是，我们的MUSLE在Something-Something V2验证集上达到了迄今为止最好的65.0%的准确率。
2022-01-11 cs.CV
Stacked Temporal Attention: Improving First-person Action Recognition by Emphasizing Discriminative Clips
第一人称动作识别是视频理解中一个具有挑战性的课题。由于强烈的自我运动和有限的视野，第一人称视频中的许多背景或噪声帧可以在其学习过程中分散动作识别模型的注意力。为了编码更具区分性的特征，模型需要能够专注于视频中最相关的部分以进行动作识别。以前的工作探索，以解决这个问题，通过应用时间注意，但没有考虑到整个视频的全局上下文，这是确定相对重要的部分是至关重要的。在这项工作中，我们提出了一个简单而有效的堆叠时间注意力模块（STAM）来计算时间注意力的基础上，强调最具歧视性的功能的全球知识的剪辑。我们通过堆叠多个自我注意层来实现这一点。而不是天真的堆叠，这是实验证明是无效的，我们仔细设计的输入到每个自我注意力层，以便在生成时间注意力权重的过程中考虑视频的局部和全局上下文。实验表明，我们提出的STAM可以建立在大多数现有的骨干之上，并提高各种数据集的性能。
2021-12-02 cs.CV
On the Invariance of Dictionary Learning and Sparse Representation to Projecting Data to a Discriminative Space
本文证明了字典学习和稀疏表示对线性变换是不变的。它包含了将数据转换/投影到判别空间的特殊情况。这是很重要的，因为最近，监督字典学习算法已被提出，建议包括类别信息到字典的学习，以提高其区分能力。其中，有一些方法提出在判别投影空间中学习词典。为此，已经提出了两种方法：第一，分配的判别基础的字典和第二，在投影空间中进行字典学习。基于字典学习对任何变换的不变性，特别是对判别空间的不变性，我们提倡第一种方法。
2015-06-11 cs.CV
Discriminative Video Representation Learning Using Support Vector Classifiers
The Australian National University（澳大利亚国立大学）
用于视频中动作识别的最流行的深度模型会为短片段生成独立的预测，然后将这些预测集中起来，为完整的视频片段分配动作标签。由于并非所有帧都可以表征潜在的动作-许多帧在多个动作中是共同的-对所有帧施加同等重要性的池化方案可能是不利的。为了解决这个问题，我们提出了区分池，基于这样的概念，即在所有短片段上生成的深度特征中，至少有一个特征是动作的特征。为了识别这些有用的特征，我们求助于一个由已知不相关的特征组成的负包，例如，它们要么是从与我们感兴趣的动作无关的数据集中采样的，要么是通过随机噪声作为输入产生的CNN特征。与视频的功能作为一个积极的袋子和不相关的功能作为负面的袋子，我们投一个目标，学习（非线性）超平面，分离未知的有用功能，从其余的多实例学习公式内的支持向量机设置。我们使用这个分离超平面的参数作为完整视频片段的描述符。由于这些参数与最大边缘框架中的支持向量直接相关，因此它们可以被视为来自袋子的特征的加权平均池化，而非支持向量的权重为零。我们的池化方案在深度学习框架内是端到端可训练的。我们报告了八个计算机视觉基准数据集的实验结果，这些数据集涵盖了各种视频相关的任务，并展示了这些任务的最新性能。
2019-09-05 cs.CV
Non-negative representation based discriminative dictionary learning for face recognition
Jiangnan University（江南大学）；University of Surrey（萨里大学）
本文提出了一种基于非负表示的判别字典学习算法（NRDL）用于多类别人脸分类。与传统的字典学习方法相比，NRDL研究了非负表示（NR）的使用，这有助于学习有区别的字典原子。为了使学习的字典更适合分类，NRDL无缝地将非负表示约束，判别字典学习和线性分类器训练集成到一个统一的模型中。具体地说，NRDL在表示矩阵上引入了一个正约束，以从异构训练样本中找到不同的原子，从而产生稀疏和有区别的表示。此外，提出了一种区分性字典鼓励函数，以提高类特定的子字典的唯一性。同时，通过构造类间不一致性约束和基于紧图的正则化项，分别提高了学习后分类器的区分度。在多个基准人脸数据集上的实验结果验证了我们的NRDL算法优于现有的字典学习方法。
2019-09-28 cs.CV
D3S -- A Discriminative Single Shot Segmentation Tracker
Faculty of Computer and Information Science, University of Ljubljana（卢布尔雅那大学计算机与信息科学学院）；Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克理工大学电气工程学院）
基于模板的判别式跟踪器由于其鲁棒性而成为当前占主导地位的跟踪范例，但其局限于限界框跟踪和有限范围的变换模型，这降低了其定位精度。本文提出了一种判别式单镜头分割跟踪器D3 S，它缩小了视觉对象跟踪和视频对象分割之间的差距。单次网络应用具有互补几何特性的两个目标模型，一个对广泛的变换（包括非刚性变形）不变，另一个假设刚性对象以同时实现高鲁棒性和在线目标分割。D3 S没有对每个数据集进行微调，并且只对分割进行训练作为主要输出，在VOT 2016，VOT 2018和GOT-10 k基准测试中表现优于所有跟踪器，并且在TrackingNet上的表现接近最先进的跟踪器。D3 S在视频对象分割基准测试中的表现优于领先的分割跟踪器SiamMask，并与顶级视频对象分割算法不相上下，同时运行速度更快一个数量级，接近实时。
2020-04-14 cs.CV
A Discriminative Single-Shot Segmentation Network for Visual Object Tracking
University of Ljubljana（卢布尔雅那大学）；Czech Technical University in Prague（布拉格捷克理工大学）
基于模板的判别式跟踪器由于其鲁棒性而成为当前占主导地位的跟踪范例，但其局限于限界框跟踪和有限范围的变换模型，这降低了其定位精度。本文提出了一种判别式单镜头分割跟踪器D3 S2，它缩小了视觉对象跟踪和视频对象分割之间的差距。单发网络应用两个具有互补几何特性的目标模型，一个对广泛的变换（包括非刚性变形）不变，另一个假设刚性对象同时实现鲁棒的在线目标分割。通过解耦对象和特征尺度估计，进一步增加了整体跟踪可靠性。在没有对每个数据集进行微调的情况下，D3 S2仅针对分割作为主要输出进行训练，在最近的短期跟踪基准测试VOT 2020上的表现优于所有已发布的跟踪器，并且在GOT-10 k、TrackingNet、OTB 100和LaSoT上的表现非常接近最先进的跟踪器。D3 S2在视频对象分割基准测试中的表现优于领先的分割跟踪器SiamMask，并与顶级视频对象分割算法不相上下。
2021-12-27 cs.CV
Long-VMNet: Accelerating Long-Form Video Understanding via Fixed Memory
Samsung Research America（美国三星研究院）
针对长视频理解传统方法算力需求高、GPU内存受限的问题，提出采用固定记忆表示与神经采样器、仅需单次视频扫描的Long-VMNet，在Rest-ADL数据集上实现18-75倍推理提速且性能有竞争力。
2025-03-17 cs.CV
Viewpoint Invariant Action Recognition using RGB-D Videos
The University of Western Australia（西澳大利亚大学）
在基于视频的动作识别中，视点变化往往会带来重大挑战，因为相同的动作可能会在不同的视图中出现不同的效果。我们使用来自RGB-D相机的互补RGB和深度信息来解决这个问题。该技术利用两个数据流中的时空信息来提取对视点变化不敏感的动作特征。我们使用RGB数据来计算密集的轨迹，这些轨迹在非线性知识转移模型下被转换为视点不敏感的深度特征。类似地，深度流用于提取基于CNN的视图不变特征，在该特征上计算傅立叶时间金字塔以合并时间信息。来自两个流的异构特征被组合并用作字典来预测测试样本的标签。为此，我们提出了一个稀疏密集的合作表示分类方案，在提取的异构字典的密集和稀疏表示的样本的区分能力之间取得平衡。
2018-01-15 cs.CV
Efficient Discriminative Nonorthogonal Binary Subspace with its Application to Visual Tracking
University of Maryland（马里兰大学）；Hewlett-Packard Laboratories（惠普实验室）；Nanjing University（南京大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
视觉跟踪中的一个关键问题是如何表示目标。传统的基于外观的跟踪器正在使用越来越复杂的特征，以保持鲁棒性。然而，复杂的表示通常不仅需要更多的计算用于特征提取，而且使状态推断复杂。我们表明，一个仔细的特征选择计划，非常简单，但歧视性的功能，可用于强大的目标跟踪。所提出的方法的中心组成部分是一个简洁的和歧视性的表示对象使用歧视性的非正交二进制子空间（DNBS），这是跨越Haar样功能。DNBS表示继承了原始NBS的优点，因为它有效地描述了对象。它还结合了判别信息来区分前景和背景。然而，从过完备字典中寻找DNBS基的问题是NP难的。我们提出了一个贪心算法，称为判别优化正交匹配追踪（D-OOMP）来解决这个问题。进一步提出了迭代D-OOMP算法，大大减少了迭代间的冗余计算，并采用分层选择策略，减小了特征的搜索空间。建议DNBS表示应用于通过基于SSD的模板匹配的对象跟踪。我们通过对具有挑战性的视频进行广泛的实验来验证我们的方法的有效性，并与几种最先进的跟踪器进行比较，并展示了其在杂乱和移动背景中跟踪对象的能力。
2015-09-28 cs.CV
Learning Discriminative Motion Features Through Detection
Facebook Research（脸书研究院）；University of Pennsylvania（宾夕法尼亚大学）；Dartmouth College（达特茅斯学院）
尽管在图像领域取得了巨大的成功，但Faster R-CNN等现代检测模型在视频分析中的应用并不多。这可以说是由于检测模型被设计为在单帧上操作，因此没有直接从视频学习运动表示的机制。我们提出了一个学习过程，允许检测模型（如Faster R-CNN）直接从RGB视频数据中学习运动特征，同时针对姿态估计任务进行优化。给定一对视频帧--帧A和帧B--我们迫使我们的模型使用帧B的特征来预测帧A中的人体姿势。我们通过利用跨越空间和时间的可变形卷积来做到这一点。我们的网络学习从帧B中对特征进行空间采样，以最大限度地提高帧A中的姿态检测精度。这自然会鼓励我们的网络学习对两帧之间的空间对应进行编码的运动偏移。我们将这些运动偏移称为DiMoF（判别运动特征）。在我们的实验中，我们表明，我们的训练方案有助于学习有效的运动线索，可用于估计和定位显着的人体运动。此外，我们还证明，作为副产品，我们的模型还学习了一些功能，这些功能可以改善静态图像中的姿态检测，以及更好的关键点跟踪。最后，我们展示了如何利用我们的学习模型的时空动作定位和细粒度动作识别的任务。
2018-12-11 cs.CV
State Space Prompting via Gathering and Spreading Spatio-Temporal Information for Video Understanding
Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）；the Huazhong University of Science and Technology（华中科技大学）；Amazon.com, Inc（亚马逊公司）
提出状态空间提示（SSP）方法，通过帧内聚合与帧间传播模块捕获时空信息，在四个视频基准上平均超越现有最先进方法2.76%，且减少微调参数开销。
2025-10-14 cs.CV
Online Discriminative Dictionary Learning for Image Classification Based on Block-Coordinate Descent Method
Zhejiang University（浙江大学）
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。
2012-03-05 cs.CV
D2-Net: Weakly-Supervised Action Localization via Discriminative Embeddings and Denoised Activations
Inception Institute of Artificial Intelligence（启元人工智能研究院）；Mohamed Bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学）；Monash University（莫纳什大学）；Linköping University（林雪平大学）；University of California Merced（加州大学默塞德分校）；Google Research（谷歌研究院）；Yonsei University（延世大学）
这项工作提出了一个弱监督的时间动作定位框架，称为D2-Net，它致力于使用视频级监督来时间定位动作。我们的主要贡献是引入了一种新的损失公式，它共同提高了潜在嵌入的可辨别性和输出时间类激活的鲁棒性，相对于由弱监督引起的前景背景噪声。所提出的配方包括一个判别和去噪损失项，用于增强时间动作定位。判别项引入了分类损失，并利用自上而下的注意力机制来增强潜在前景-背景嵌入的可分性。去噪损失项通过使用自下而上的注意力机制同时最大化视频内和视频间互信息来明确地解决类激活中的前景-背景噪声。因此，前景区域中的激活被强调，而背景区域中的激活被抑制，从而导致更鲁棒的预测。在多个基准上进行了全面的实验，包括THUMOS 14和ActivityNet1.2。与现有方法相比，我们的D2-Net在所有数据集上的表现都很好，在THUMOS 14上的IoU=0.5时，mAP的增益高达2.3%。源代码可在https://github.com/naraysa/D2-Net上获得
2021-08-23 cs.CV
AdaScan: Adaptive Scan Pooling in Deep Convolutional Neural Networks for Human Action Recognition in Videos
IIT Kanpur（印度理工学院坎普尔分校）；SRI International（SRI国际）；UCSD（加州大学圣地亚哥分校）
我们提出了一种新的方法，用于在视频中的人类动作识别任务的时间池帧。该方法的动机是观察到，只有少量的帧，它们一起包含足够的信息来区分存在于视频中的动作类，从其余的。所提出的方法学习池这样的歧视性和信息帧，而丢弃在一个单一的时间扫描的视频中的非信息帧的大部分。我们的算法通过连续预测每个视频帧的区分重要性并随后将其汇集在深度学习框架中来实现。我们在标准基准上展示了我们提出的池化方法的有效性，它始终改进了基线池化方法，并基于RGB和光流的卷积网络。此外，结合互补的视频表示，我们显示的结果是有竞争力的两个具有挑战性的和公开可用的基准数据集上的最先进的结果。
2017-06-25 cs.CV
Joint Learning of Discriminative Low-dimensional Image Representations Based on Dictionary Learning and Two-layer Orthogonal Projections
本文在语言描述上存在一些不足之处，需要进一步完善。本文是根据一份会议文件的修订版编写的。现在有必要进一步解释这两篇论文的贡献之间的差异。
2019-03-27 cs.CV
Collaboratively Self-supervised Video Representation Learning for Action Recognition
Microsoft Research Asia（微软亚洲研究院）；Beijing Huawei Digital Technologies Co., Ltd.（北京华为数字技术有限公司）
提出协同自监督视频表示学习框架CSVR，通过生成式姿态预测、判别式上下文匹配和视频生成三个分支协同提取动静特征，在多个视频数据集上实现最先进的动作识别性能。
2025-01-31 cs.CV
Do Less and Achieve More: Training CNNs for Action Recognition Utilizing Action Images from the Web
Boston University（波士顿大学）；Disney Research（迪士尼研究院）
最近，已经尝试收集数百万个视频以训练CNN模型用于视频中的动作识别。然而，管理如此大规模的视频数据集需要大量的人力，并且在数百万个视频上训练CNN需要巨大的计算资源。相比之下，从网络上收集动作图像要容易得多，对图像进行训练需要的计算也要少得多。此外，标记的web图像往往包含区别性动作姿势，其突出视频的时间进展的区别性部分。我们探讨的问题，我们是否可以利用网络动作图像训练更好的CNN模型的动作识别视频。我们从网络上收集了23.8K手动过滤的图像，这些图像描述了UCF 101动作视频数据集中的101个动作。我们表明，通过在训练中利用网络动作图像和视频，可以实现CNN模型的显着性能提升。然后，我们通过利用UCF101和ActivityNet的抓取Web图像（未过滤）来研究该过程的可扩展性。我们将1620万视频帧替换为393K未经过滤的图像，并获得相当的性能。
2015-12-22 cs.CV
Learning Compact Video Representations for Efficient Long-form Video Understanding in Large Multimodal Models
Amazon AGI（亚马逊人工智能研究院）
本文提出了一种端到端的长视频理解框架，结合自适应视频采样器和空间时间视频压缩器，以高效处理长视频的冗余问题。
2026-02-19 cs.CV
Jointly Learning Non-negative Projection and Dictionary with Discriminative Graph Constraints for Classification
Shenzhen University（深圳大学）；Peking University（北京大学）；Carnegie Mellon University（卡内基梅隆大学）；Emory University（埃默里大学）
具有字典学习（DL）的稀疏编码已经显示出优异的分类性能。尽管有相当数量的现有作品，如何获得功能的字典可以更好地学习仍然是一个开放的和有趣的问题。许多当前流行的DL方法直接采用性能良好的精心制作的功能。虽然这种策略可能在经验上工作得很好，但它忽略了字典和特征之间的某些内在关系。我们提出了一个框架，其中的功能和字典共同学习和优化。该框架，名为联合非负投影和字典学习（JNPDL），使输入功能和字典之间的互动。非负投影导致基于部件的对象特征具有区分性，而DL寻求更合适的表示。判别图的约束，同时最大化类内的紧凑性和类间的可分性。在图像和图像集分类上的实验表明，JNPDL的性能优于几种最先进的方法。
2016-08-05 cs.CV
Discriminative Dictionary Learning based on Statistical Methods
School of Computer and Information Sciences, University of Hyderabad（海得拉巴大学计算机与信息科学学院）
本文探讨了利用统计方法改进字典学习以提升分类性能，提出混合方法结合稀疏系数与多层感知机，实现判别字典学习。
2021-11-17 cs.CV
DFDL: Discriminative Feature-oriented Dictionary Learning for Histopathological Image Classification
Pennsylvania State University（宾夕法尼亚州立大学）；UT MD Anderson Cancer Center（UT MD安德森癌症中心）
在组织病理学图像分析中，由于组织学特征的多样性以及丰富的几何结构的存在，用于分类的特征提取是一项具有挑战性的任务。在本文中，我们提出了一个自动特征发现框架，用于提取区分类特定的功能，并提出了一种低复杂度的方法，用于组织病理学的分类和疾病分级。从本质上讲，我们的判别式面向词典学习（DFDL）方法学习类特定的特征，这些特征适合于表示来自同一类的样本，而不能表示来自其他类的样本。在三个具有挑战性的真实世界图像数据库上的实验：1）导管内乳腺病变的组织病理学图像，2）由宾夕法尼亚州立大学动物诊断实验室（ADL）提供的哺乳动物肺图像，和3）来自癌症基因组图谱（TCGA）数据库的脑肿瘤图像，显示了DFDL模型在各种问题中优于最先进方法的意义
2015-02-03 cs.CV
Deep Decision Trees for Discriminative Dictionary Learning with Adversarial Multi-Agent Trajectories
Queensland University of Technology (QUT)（昆士兰科技大学）
随着现代体育运动中时空跟踪数据可用性的爆炸式增长，在对抗性群体环境中更好地分析、学习和预测重要事件有着巨大的机会。在本文中，我们提出了一个深度决策树架构，用于从对抗性多智能体轨迹中进行判别字典学习。我们首先建立了一个层次结构的树结构，通过添加每一层，并执行特征权重为基础的聚类在向前通过。然后，我们使用反向传播来微调玩家角色权重。层次结构保证了群表示的可解释性和完整性。由此产生的架构是一个决策树，与叶节点捕获的多代理组交互的字典。由于有大量的数据可用，我们专注于足球跟踪数据，尽管我们的方法可以用于任何对抗性多智能体领域。我们提出的方法模拟足球比赛以及评估和量化团队策略的应用。
2018-05-14 cs.CV
Jointly Learning Structured Analysis Discriminative Dictionary and Analysis Multiclass Classifier
Soochow University（苏州大学）；ETH Zürich（苏黎世联邦理工学院）；National University of Singapore（新加坡国立大学）
本文提出了一种基于分析机制的结构化分析判别式词典学习（ADDL）框架。ADDL将分析判别式词典学习、分析表示和分析分类器训练无缝集成到一个统一的模型中。所应用的分析机制可以确保不同类的学习字典、表示和线性分类器尽可能独立和有区别。该字典是通过最小化重建误差和分析不一致促进项，鼓励与不同类的子字典是独立的。为了获得表示系数，ADDL对编码系数施加稀疏l2，1-范数约束而不是使用l0或l1-范数，因为在大多数现有DL准则中应用的l0或l1-范数约束使得训练阶段耗时。通过最小化稀疏码近似项，计算从给定样本中提取特殊特征的码提取投影，将数据与稀疏码连接起来。然后，我们计算一个线性分类器的基础上的近似稀疏码的分析机制，同时考虑的分类和表示的权力。因此，我们的模型的分类方法是非常有效的，因为它可以避免额外的时间消耗稀疏重建过程与训练的字典为每个新的测试数据作为大多数现有的DL算法。在真实图像数据库上的仿真结果表明，我们的ADDL模型可以获得优于其他国家的最先进的性能。
2019-05-27 cs.CV
Histopathological Image Classification using Discriminative Feature-oriented Dictionary Learning
Pennsylvania State University（宾夕法尼亚州立大学）；University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心）
在组织病理学图像分析中，由于组织学特征的多样性以及丰富的几何结构的存在，用于分类的特征提取是一项具有挑战性的任务。在本文中，我们提出了一个自动特征发现框架，通过学习类特定的字典，并提出了一个低复杂度的方法，在组织病理学的分类和疾病分级。从本质上讲，我们的判别式面向词典学习（DFDL）方法学习类特定的词典，使得在稀疏性约束下，学习的词典允许通过与样本的类标识对应的词典来吝啬地表示新的图像样本。同时，字典被设计成不能很好地表示来自其他类的样本。在三个具有挑战性的真实世界图像数据库上进行的实验：1）导管内乳腺病变的组织病理学图像，2）由宾夕法尼亚州立大学动物诊断实验室（ADL）提供的哺乳动物肾脏，肺和脾脏图像，以及3）来自癌症基因组图谱（TCGA）数据库的脑肿瘤图像，揭示了我们的建议优于最先进的替代方案的优点。{此外，我们证明了DFDL在分类准确性方面对训练图像的数量表现出更优雅的衰减，这在实践中是非常可取的，其中慷慨的训练通常不可用。
2016-03-29 cs.CV
Discriminative Local Sparse Representation by Robust Adaptive Dictionary Pair Learning
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）；YITU Technology（依图科技）
本文提出了一种结构化的Robust Adaptive Dictionary Pair Learning（RA-DPL）框架，用于离散稀疏表示学习。为了实现可用样本的强大表示能力，RA-DPL的设置无缝集成了鲁棒的投影字典对学习，局部自适应稀疏表示和判别编码系数学习到一个统一的学习框架。具体来说，RA-DPL在四个方面改进了现有的投射词典对学习。首先，采用稀疏l2，1-范数度量对重构误差进行编码，得到鲁棒的投影字典对，并且l2，1-范数具有最小化误差的潜力.其次，该算法在分析字典中明确地引入了鲁棒的l2，1范数，以保证编码系数的稀疏性，而不是使用代价高昂的l0/l1范数。因此，数据表示的鲁棒性和学习过程的效率被共同考虑，以保证我们的RA-DPL的效率。第三，RA-DPL构思了一个结构化的重构权重学习范例，以自适应的方式清晰地保持每个类内编码系数的局部结构，这鼓励产生局部保持表示。第四，它还考虑通过引入鉴别函数来提高编码系数和字典的鉴别能力，这可以确保代码空间中的高类内紧凑性和类间分离。大量的实验表明，我们的RA-DPL可以获得优于其他国家的最先进的性能。
2019-11-20 cs.CV
Scalable Block-Diagonal Locality-Constrained Projective Dictionary Learning
Hefei University of Technology（合肥工业大学）；Soochow University（苏州大学）；University of Queensland（昆士兰大学）；University of Georgia（佐治亚大学）；Nanjing University of Information Science and Technology（南京信息工程大学）；ETH Zurich（苏黎世联邦理工学院）
我们提出了一种新的结构化判别块对角字典学习方法，称为可扩展的局部约束投影字典学习（LC-PDL），有效的表示和分类。为了通过节省训练和测试时间来提高可扩展性，我们的LC-PDL旨在学习结构化的判别字典和块对角表示，而不使用昂贵的l0/l1范数。此外，它避免了额外的时间消耗稀疏重建过程与训练好的字典新的样本，许多现有的模型。更重要的是，LC-PDL避免了使用互补数据矩阵来学习每个类的子字典。为了提高性能，我们将局部约束的原子到DL过程中，以保持本地信息，并获得代码的样本在每个类分别。通过提取数据的特殊块对角特征，推导出块对角判别逼近项，学习判别投影，将数据与其编码连接起来，保证逼近系数与其标签信息清晰地关联。然后，一个强大的多类分类器进行训练提取的块对角码准确的标签预测。实验结果验证了该算法的有效性。
2019-05-25 cs.CV
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。
2011-09-12 cs.CV cs.LG
Locality Constraint Dictionary Learning with Support Vector for Pattern Classification
Jiangnan University（江南大学）；Anqing Normal University（安庆师范大学）
判别式字典学习（Discriminative Dictionary Learning，缩写为Dictionary）由于其在各种模式分类任务中令人印象深刻的性能，最近受到了极大的关注。然而，原子的局部性并没有充分探讨在传统的分类方法，阻碍了他们的分类性能。在本文中，我们提出了一个局部约束字典学习与支持向量判别项（LCDL-SV），其中的局部信息是通过使用学习字典的图拉普拉斯矩阵来保持。为了在训练阶段共同学习分类器，将支持向量判别项并入所提出的目标函数中。此外，在分类阶段，测试数据的身份是由正则化的残差和学习的多类支持向量机。最后，利用替代策略解决由此产生的优化问题。基准数据库上的实验结果表明，我们提出的方法优于以前的字典学习方法的手工制作和深度功能。我们提出的LCDL-SV的源代码可以在https://github.com/yinhefeng/LCDL-SV上访问
2019-11-22 cs.CV
A Brief Summary of Dictionary Learning Based Approach for Classification
本文介绍了一些基于字典学习（DL）的分类方法。我们不回顾涉及DL分类的复杂方法或框架，例如在线DL和空间金字塔匹配（SPM），而是专注于直接基于DL的分类方法。这里，所谓的“直接基于DL的方法”是通过添加一些有意义的惩罚项来直接处理DL框架的方法。通过列举一些有代表性的方法，我们可以将其大致分为两类，即（1）直接使字典具有区分性和（2）强制稀疏系数具有区分性以提高字典的区分能力。从这个分类法，我们可以期待一些扩展，作为未来的研究。
2012-05-30 cs.CV
Cross-label Suppression: A Discriminative and Fast Dictionary Learning with Group Regularization
Tsinghua University（清华大学）
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。
2017-05-08 cs.CV cs.LG stat.ML
Smoothed Gaussian Mixture Models for Video Classification and Recommendation
LinkedIn（领英）；Pinterest（品趣）
诸如局部聚合描述符向量（VLAD）之类的分类和聚合技术及其端到端的区别性训练等价物（如NetVLAD）最近在视频分类和动作识别任务中很受欢迎。这些技术通过将视频帧分配给簇并且然后通过相对于每个簇的均值聚合帧的残差来表示视频来操作。由于一些集群可能看到非常少的视频特定数据，这些特征可能是嘈杂的。在本文中，我们提出了一种新的聚类和聚合方法，我们称之为平滑高斯混合模型（SGMM），以及它的端到端区分训练等价物，我们称之为深度平滑高斯混合模型（DSGMM）。SGMM通过针对该视频训练的高斯混合模型（GMM）的参数来表示每个视频。通过使用在大量视频上训练的通用背景模型（UBM）平滑特定于视频的估计来解决低计数集群。SGMM相对于VLAD的主要优点是平滑，这使得它对少量训练样本不太敏感。我们通过对YouTube-8 M分类任务的广泛实验表明，SGMM/DSGMM始终优于VLAD/NetVLAD，但幅度很小，但具有统计学意义。我们还显示了使用LinkedIn创建的数据集来预测成员是否会观看上传的视频的结果。
2020-12-17 cs.CV cs.LG
Learning Discriminative Alpha-Beta-divergence for Positive Definite Matrices (Extended Version)
Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；Data61/CSIRO（澳大利亚联邦科学与工业研究组织 Data61）；The Australian National University（澳大利亚国立大学）；University of Minnesota（明尼苏达大学）
对称正定（SPD）矩阵对于捕获视觉数据的二阶统计量非常有用。为了比较两个SPD矩阵，可以使用几种度量，如仿射不变黎曼度量、Jeffreys散度、Jensen-Bregman logdet散度等;然而，它们的行为可能依赖于应用程序，从而需要手动选择以实现最佳可能性能。此外，由于它们对于大规模问题的压倒性的复杂性，通过巧妙地嵌入SPD矩阵来计算成对相似性通常优于直接使用上述措施。在本文中，我们提出了一个判别度量学习框架，信息发散和字典学习（IDDL），它不仅可以自动学习SPD矩阵上的应用特定度量，还可以使用学习的字典将它们嵌入为向量。为了学习相似性度量（对于每个字典原子可能是不同的），我们使用最近引入的alpha-beta-logdet散度，它被称为统一上面列出的度量。我们提出了一个新的IDDL目标，学习的分歧和字典原子的参数共同在一个歧视性的设置，并有效地解决了使用黎曼优化。我们展示了对八个计算机视觉数据集的广泛实验，展示了最先进的性能。
2017-08-05 cs.CV
SignMatch: Matching Dictionary Signs to Continuous Sign Language Video
University of Oxford（牛津大学）；École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（巴黎路桥学院、巴黎理工学院、古斯塔夫·埃菲尔大学、法国国家科学研究中心）
本文提出SignMatch方法，通过学习原型结构的手语嵌入空间，实现词典手语与连续手语的匹配，在多数据集、任务及手语间泛化能力强，且优于现有方法。
2026-09-03 cs.CV
Block-Diagonal Sparse Representation by Learning a Linear Combination Dictionary for Recognition
在基于稀疏表示的识别方案中，学习所需的字典是关键，目的是获得良好的表示能力和区分性能。在本文中，我们提出了一个新的字典学习模型的识别应用程序，其中采用三种策略，同时实现这两个目标。首先，在模型中引入块对角约束，以消除类间的相关性，提高判别性能。其次，采用一个低秩项来模拟类内的一致性，以细化每个类的稀疏表示。最后，而不是使用传统的过完备字典，一个特定的字典构造的训练样本的线性组合，提出了提高字典的代表性的权力，并提高稀疏表示模型的鲁棒性。该方法在几个公共数据集上进行了测试。实验结果表明，该方法优于大多数国家的最先进的方法。
2016-11-28 cs.CV
Joint Projection and Dictionary Learning using Low-rank Regularization and Graph Constraints
University of Alberta（阿尔伯塔大学）
在本文中，我们的目标是同时学习判别字典和一个强大的投影矩阵从噪声数据。联合学习，使学习的投影和字典更好地相互适应，因此可以获得更准确的分类。然而，目前流行的联合降维和字典学习方法，将失败时，训练样本是噪声或严重损坏。为了解决这个问题，我们提出了一个联合投影和字典学习使用低秩正则化和图约束（JPDL-LR）。具体地说，字典的判别是通过对编码系数施加Fisher准则来实现的。此外，我们的方法显式编码的局部结构的数据，通过合并一个图形正则化项，进一步提高了判别能力的投影矩阵。受低秩表示去除离群值和噪声的最新进展的启发，我们对所有类的子字典实施低秩约束，使它们更加紧凑和鲁棒。在多个基准数据集上的实验结果验证了该方法在降维和图像分类方面的有效性和鲁棒性，特别是当数据包含大量噪声或变化时。
2016-12-06 cs.CV
Joint Subspace Recovery and Enhanced Locality Driven Robust Flexible Discriminative Dictionary Learning
Hefei University of Technology（合肥工业大学）；Soochow University（苏州大学）；Harbin Institute of Technology（哈尔滨工业大学）；University of Queensland（昆士兰大学）
我们提出了一种基于子空间恢复和增强局部性的鲁棒柔性标签一致性字典学习方法，称为鲁棒柔性判别字典学习（RFOLD）。该算法主要通过增强对稀疏错误的鲁棒性，对局部性、重构错误和标签一致性进行更精确的编码，来提高数据的表示和分类能力。首先，为了对数据和原子中的噪声和稀疏错误具有鲁棒性，RFRST旨在联合恢复底层的干净数据和干净原子子空间，然后在恢复的子空间中执行DL并编码局部性。其次，为了使从非线性流形采样的数据能够潜在地处理，并通过避免过拟合来获得准确的重建，RFFLOW以灵活的方式最小化重建误差。第三，为了对标签一致性进行准确编码，RFRST涉及有区别的灵活稀疏码错误以鼓励系数变软。第四，为了更好地编码局部性，RFFNN定义了恢复原子上的拉普拉斯矩阵，包括原子在类内紧凑性和类间分离方面的标签信息，并与组稀疏码和分类器相关联，以获得准确的区分性局部约束系数和分类器。在公共数据库上的大量结果表明了我们的RFESTs的有效性。
2019-06-11 cs.CV cs.LG
Interpretable Spatio-temporal Attention for Video Action Recognition
University of British Columbia（不列颠哥伦比亚大学）；Tsinghua University（清华大学）
受观察到人类能够有效地处理视频，只注意在哪里和何时需要的启发，我们提出了一个可解释的和简单的插件时空注意力机制的视频动作识别。对于空间注意力，我们学习了一个显着性掩码，使模型能够专注于特征图中最显着的部分。对于时间注意力，我们采用基于卷积LSTM的注意力机制来识别输入视频中最相关的帧。此外，我们提出了一组正则化，以确保我们的注意力机制出席在空间和时间的连贯区域。我们的模型不仅提高了视频动作识别的准确性，而且在空间和时间上都定位了有区别的区域，尽管是以弱监督的方式训练的，只有分类标签（没有限界框标签或时间帧时间标签）。我们评估了我们的方法在几个公共视频动作识别数据集与消融研究。此外，我们定量和定性地评估我们的模型的能力，本地化的歧视性地区的空间和关键帧的时间。实验结果证明了我们的方法的有效性，表现出优越的或可比的准确性与国家的最先进的方法，同时增加模型的可解释性。
2019-06-03 cs.CV cs.LG stat.ML
An Adaptive Dictionary Learning Approach for Modeling Dynamical Textures
Department of Electrical Engineering
视频表示是计算机视觉领域中一项重要而具有挑战性的任务。在本文中，我们假设运动场景的图像帧可以建模为线性动力系统。我们提出了一个稀疏编码框架，称为自适应视频字典学习（AVDL），自适应视频建模。开发的框架是能够捕捉动态的运动场景，通过探索稀疏属性和连续视频帧的时间相关性。所提出的方法进行了比较与国家的最先进的视频处理方法的几个基准数据序列，表现出外观的变化和严重的闭塞。
2013-12-19 cs.CV
Analysis Dictionary Learning based Classification: Structure for Robustness
North Carolina State University（北卡罗来纳州立大学）；Raytheon Integrated Defense Systems（雷神综合防御系统公司）
提出了一种判别式结构化分析字典的分类任务。在传统的分析字典学习中引入子空间并结构，以提高判别能力。一个简单的分类器也同时被纳入制定功能，以确保更完整的一致性分类。该算法的解是有效地获得了线性交替方向法的乘子。此外，分布式结构化分析字典学习也提出了解决大规模数据集。它可以通过不同的机器/核/线程对结构化分析字典进行独立的分组（分类）训练，从而避免了高的计算成本。在分布式方法中，一致性结构化分析字典和全局分类器联合学习，以保证分类的区分能力和效率。实验表明，我们的方法实现了可比的或更好的性能比国家的最先进的算法在各种视觉分类任务。此外，训练和测试的计算复杂性也大大降低。
2019-06-27 cs.CV
KCRC-LCD: Discriminative Kernel Collaborative Representation with Locality Constrained Dictionary for Visual Categorization
Peking University（北京大学）；Carnegie Mellon University（卡内基梅隆大学）；South China University of Technology（华南理工大学）
我们考虑的图像分类问题，通过核协同表示分类局部约束字典（KCRC-LCD）。具体地说，我们提出了一种核协同表示分类（KCRC）的方法，在该方法中，核方法被用来提高协同表示分类（CRC）的区分能力。然后，我们测量的查询和原子之间的相似性，以构建一个局部约束字典（LCD）的KCRC。此外，我们还讨论了LCD中的几种相似性度量方法，并进一步提出了一种简单有效的统一相似性度量方法，其优越性在实验中得到了验证。LCD有几个吸引人的方面。第一，LCD可以很好地纳入九铁的架构内。在KCRC下，可以将LCD相似性度量核化，从而在核方法下从理论上将CRC和LCD联系起来。其次，KCRC-LCD变得更可扩展到训练集大小和特征维度。算例表明，KCRC能够很好地对具有一定分布的数据进行分类，而传统的CRC则完全失效。在许多公共数据集上的综合实验也表明，KCRC-LCD是一种鲁棒的判别分类器，具有优异的性能和良好的可扩展性，与许多其他最先进的方法相当或优于其他方法。
2014-10-17 cs.CV cs.LG
Structured Discriminative Tensor Dictionary Learning for Unsupervised Domain Adaptation
Nanjing University of Posts and Telecommunications（南京邮电大学）；Texas State University（得克萨斯州立大学）；University of Trento（特伦托大学）；Nanjing University of Science and Technology（南京理工大学）；University of Technology Sydney（悉尼科技大学）；Wuhan University（武汉大学）
无监督领域自适应（UDA）解决了在计算机视觉应用中常见的由于训练集和测试集之间的领域移位而导致的性能下降的问题。现有的UDA方法大多是基于矢量形式的数据，虽然在可视化应用中的数据或特征的典型格式是多维张量。此外，目前的方法，包括深度网络方法，假设提供了大量的标记源样本用于训练。然而，在实际应用中，标注源样本的数量总是有限的，由于昂贵的注释成本，使得次优性能被观察到。在本文中，我们提出了通过学习张量空间中的结构化字典来寻求多维数据的判别表示。该字典将领域信息和类信息分离，保证了表示对领域的鲁棒性。此外，为了避免外部分类器的设计，提出了一种伪标签估计方案，在算法迭代中结合判别分析。我们在有限的源样本的不同数据集上进行了广泛的结果。实验结果表明，该方法优于国家的最先进的方法。
2019-05-11 cs.CV cs.LG
Discriminative Robust Deep Dictionary Learning for Hyperspectral Image Classification
Indraprastha Institute of Information Technology, Delhi（因德拉普拉斯信息技术学院（德里））
这项工作提出了一个新的深度学习框架，特别适合高光谱图像分类。我们以一种健壮的方式学习多级字典。最后一层是判别式的，它学习线性分类器。训练过程是渐进式的，每次只学习一级字典，而系数用于训练下一级。最后一级的系数用于分类。鲁棒性通过最小化绝对偏差而不是更流行的欧几里德范数来实现。内置的鲁棒性有助于对抗高光谱图像中存在的混合噪声（高斯和稀疏）。结果表明，我们提出的技术优于所有其他深度学习方法深度信念网络（DBN），堆叠自动编码器（SAE）和卷积神经网络（CNN）。在基准高光谱成像数据集上进行了实验。
2019-12-11 cs.CV cs.LG eess.IV
Information-theoretic Dictionary Learning for Image Classification
University of Maryland（马里兰大学）
我们提出了一个两阶段的方法学习字典的对象分类任务的基础上的原则，信息最大化。所提出的方法寻求一个字典，是紧凑的，歧视性的，和生成。在第一阶段，字典原子选择从一个初始的字典通过最大化的互信息措施字典紧凑性，歧视和重建。在第二阶段中，使用关于互信息的简单梯度上升算法更新所选择的字典原子以用于改进的重构和区分能力。使用真实数据集的实验表明，我们的方法的有效性图像分类任务。
2012-08-17 cs.CV cs.IT math.IT
Self-expressive Dictionary Learning for Dynamic 3D Reconstruction
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
我们的目标是稀疏的动态对象的三维重建问题，由多个不同步的视频摄像机与未知的时间重叠。为此，我们开发了一个框架来恢复未知的结构，而无需跨视频序列的排序信息。我们提出的压缩感知框架提出的字典学习的问题，其中字典被定义为随时间变化的3D结构的聚合的3D结构的估计。考虑到动态对象的平滑运动，我们观察到字典中的任何元素都可以很好地近似于同一字典中其他元素的稀疏线性组合（即。e.自我表达）。此外，描述局部线性3D结构插值的稀疏系数揭示了局部排序信息。我们的公式优化了双凸成本函数，该函数利用压缩感知公式，并强制执行跨视频流的结构依赖性一致性，以及跨来自常见视频源的估计的运动平滑度。我们进一步分析了我们的方法在不同的捕获场景下的可重构性，以及它与现有方法的比较和关系。在大量合成数据和真实图像上的实验结果证明了该方法的有效性。
2016-05-22 cs.CV
Optimal Projections for Discriminative Dictionary Learning using the JL-lemma
本文提出基于JL引理的构造方法，通过改进的监督PCA分析生成投影矩阵，提升特征-标签一致性并保持数据几何结构，实验表明在OCR和人脸识别数据集上具有更好的分类性能。
2024-10-03 cs.CV cs.ET cs.LG
A Brief Summary of Dictionary Learning Based Approach for Classification (revised)
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
本文介绍了一些基于字典学习（DL）的分类方法。我们不回顾涉及DL分类的复杂方法或框架，例如在线DL和空间金字塔匹配（SPM），而是专注于直接基于DL的分类方法。这里，所谓的“直接基于DL的方法”是通过添加一些有意义的惩罚项来直接处理DL框架的方法。通过列举一些有代表性的方法，我们可以将其大致分为两类，即（1）直接使字典具有区分性和（2）强制稀疏系数具有区分性以提高字典的区分能力。从这个分类法，我们可以期待一些扩展，作为未来的研究。
2012-05-30 cs.CV cs.LG
Buried object detection using handheld WEMI with task-driven extended functions of multiple instances
University of Missouri（密苏里大学）
许多有效的监督判别字典学习方法已经在文献中开发。然而，当训练这些算法时，需要训练数据的精确地面实况以提供非常准确的逐点标签。然而，在许多应用中，准确的标签并不总是可行的。这在其中物体的尺寸不一致的掩埋目标检测的情况下尤其如此。在本文中，一个新的多实例字典学习算法检测埋地物体使用手持WEMI传感器的详细说明。新算法，任务驱动的扩展函数的多个变量，可以克服数据，没有非常精确的逐点标签，仍然学习一个高度判别字典。测量的WEMI数据的结果进行了介绍和讨论。
2016-03-19 cs.CV
Discriminative Feature and Dictionary Learning with Part-aware Model for Vehicle Re-identification
Dalian Maritime University（大连海事大学）；Information Science and Technology College, Department of Computer Science and Technology（计算机科学与技术学院、信息科学与技术学院）
随着智慧城市的发展，城市监控视频分析将在智能交通系统中发挥更重要的作用。从非重叠相机中识别大数据集中的同一目标车辆应该受到重视，这已经成为推动智能交通系统的热门话题。然而，车辆重新识别（re-ID）技术是一项具有挑战性的任务，因为相同设计或制造商的车辆显示相似的外观。为了填补这些空白，我们通过提出基于三重中心损失的部分感知模型（TCPM）来解决这一挑战，该模型利用车辆部分细节中的判别特征来提高车辆重新识别的准确性。基于零件发现的TCPM是从水平和垂直两个方向对车辆进行划分，以加强车辆的细节，增强零件的内部一致性。此外，为了消除车辆局部区域的类内差异，我们提出了外部存储模块来强调每个部分的一致性，以学习区分特征，从而形成数据集中所有类别的全局字典。在TCPM中，引入三重中心损失，以确保车辆特征提取的每一部分具有类内一致性和类间可分性。实验结果表明，我们提出的TCPM有一个巨大的偏好比现有的国家的最先进的方法对基准数据集VehicleID和VeRi-776。
2020-03-16 cs.CV eess.IV
Supervised Convolutional Sparse Coding
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学（KAUST））
卷积稀疏编码（CSC）是一种成熟的图像表示模型，特别适用于图像复原任务。在这项工作中，我们通过提出一种有监督的卷积稀疏编码方法来扩展该模型的适用性，该方法旨在学习判别字典而不是纯粹的重建字典。我们将监督正则化项纳入传统的无监督CSC目标，以鼓励最终的字典元素是有区别的。实验结果表明，使用监督卷积学习有两个关键优势。首先，我们在字典中学习更多语义相关的过滤器，其次，我们在看不见的数据上实现了改进的图像重建。
2018-04-08 cs.CV
