首页 > 其他 > 详细

基于稀疏表示学习的图像分类

时间:2019-05-03 00:33:47      阅读:222      评论:0      收藏:0      [点我收藏+]

Deep Sparse Representation-based Classification

代码:https://github.com/mahdiabavisani/DSRC

网络结构

技术分享图片

网络结构分为:

  • 编码器:接受训练集与测试集提取特征
  • 稀疏编码层:通过训练样本的稀疏线性组合恢复测试集
  • 解码器:将训练嵌入与已经恢复的测试嵌入映射回数据的原始表示形式

核心观点

作者在文章中认为测试集中的某个类的分布可以由训练集中该类分布的线性组合表示。于是稀疏编码层则是用来找到这种线性组合

技术分享图片

网络整体的优化损失函数与数据集之间的表征系数公式如下

技术分享图片

 

基于稀疏表示学习的图像分类

原文:https://www.cnblogs.com/echoboy/p/10803830.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!