现有稀疏编码方法中，哪种方法比较好。新手上路请教了

温长吉吉大

如题，我现在正在看k-SVD但是感觉看的比较吃力

柳杨北邮

温长吉吉大 发表于 2015-5-20 10:26
譬如我现在用到的是图像分类，确切的说是用于视频图像分类识别

图像分类的话可以再看完了KSVD之后去看看：
Discriminative K-SVD for Dictionary Learning in Face Recognition (CVPR)
和
Label Consistent K-SVD Learning a Discriminative Dictionary for Recognition (TPAMI}

另外还有结构化稀疏
Robust Classification using Structured Sparse Representation （CVPR）
和低秩
Learning Structured Low-rank Representations for Image Classification （CVPR）

柳杨北邮

KSVD是最经典的字典学习算法之一，搞Sparse的必须要看的。现有大量好的算法都是基于KSVD的。
至于“比较好”，则要看你的具体问题。比如对于图像修复和图像分类来说，“比较好”的定义就完全不同。

温长吉吉大

柳杨北邮 发表于 2015-5-20 10:18
KSVD是最经典的字典学习算法之一，搞Sparse的必须要看的。现有大量好的算法都是基于KSVD的。
至于“比较好 ...

譬如我现在用到的是图像分类，确切的说是用于视频图像分类识别

温长吉吉大

柳杨北邮 发表于 2015-5-20 10:33
图像分类的话可以再看完了KSVD之后去看看：
Discriminative K-SVD for Dictionary Learning in Face Reco ...

谢谢，有问题再请教

贾伟中科院合肥

赞讨论！

张正哈工大深圳

目前稀疏表示的方法非常多，没有说哪一个是最好的，可以参照 最新的论文 A survey of sparse representation: algorithms and applications，里面有大量关于稀疏表示的已有算法的分析，还有字典学习的东西，KSVD算法仔细看一下，应该不难，加油！希望用于参考！

温长吉吉大

张正哈工大深圳 发表于 2015-5-20 10:46
目前稀疏表示的方法非常多，没有说哪一个是最好的，可以参照 最新的论文 A survey of sparse representatio ...

好的，这篇文章我先看看。之前看到过中科院发在TPMI上的一篇  feature coding 的文章，感觉K-Svd好像有些优势。综合前一位仁兄提的建议，我好好看一下

范春年南信大

多谢，受教了