CVPRMar, 2014

基于树形稀疏度的质量多模态分类

PDF
TL;DR本研究针对多模态分类任务，重新建立了基于树形稀疏模型的优化模型，并提出了一种加速的近端算法，以便高效地实现均质或异质信息源的特征级融合。同时，基于模态可靠性权重的特定模糊集理论，提出了一种算法用于联合优化问题，寻找稀疏编码，从而提供了一种基于质量的融合框架，从而提高了几种基于稀疏模型的多模态分类算法的鲁棒性。最后，本文在三个不同的应用场景下验证了该方法的有效性：多视角人脸识别，多模态人脸识别和目标分类。
sparsity modelstree-structured sparsitymultimodal classificationfeature-level fusionpossibilistic scheme
发现论文，激发创造
  • 多模态任务驱动的字典学习用于图像分类

    本文提出一种基于联合稀疏性约束的多模态任务驱动字典学习算法，以协作多个同质 / 异质信息源，可以学习出多模态词典以及相应的分类器，并在多种应用中具有较高的分类性能和更高的计算效率。

    Feb, 2015

  • 结构化稀疏学习

    本文研究了一种新的学习方法 —— 结构稀疏学习，它是统计学习和压缩感知标准稀疏概念的自然扩展，通过允许特征集合上的任意结构，该概念推广了近年来流行的组稀疏思想。文中提出了一种基于结构编码复杂度的学习结构稀疏的通用理论。如果目标信号的编码复杂度小，则可以通过使用编码复杂度正则化方法，实现更好的性能；此外，文中还提出了一种结构贪婪算法，该算法在适当条件下近似解决了编码复杂度优化问题，通过实验展示了结构稀疏在一些实际应用中优于标准稀疏的优势。

    Mar, 2009

  • 最优随机分类树中的稀疏性

    本文提出了一种连续优化方法来构建精简的最佳分类树，基于斜裁剪，并旨在在整个树中使用较少的预测变量进行剪枝。该方法模拟了本地和全局稀疏性，证明了其对提高分类精度具有实用性。

    Feb, 2020

  • 事件检测的多模态稀疏编码

    本文介绍一种多模态稀疏编码的方法，用于学习多模态共享的特征表示，应用于多媒体事件检测，与其他特征学习方法进行比较，通过 TRECVID MED 2014 数据集的交叉验证分类准确性和平均精度来评估单模态和多模态设置下的特征学习。

    May, 2016

  • 快速结构化字典学习分析

    本文研究基于稀疏性的模型和技术在信号处理和图像应用中的应用，提出了针对特定结构的稀疏化运算符学习问题的交替最小化算法，并对其收敛性进行了分析，证明了在某些假设下，该算法收敛于数据的基础稀疏化模型。同时，数值模拟表明该算法对初始值具有较强的鲁棒性。

    May, 2018

  • 稀疏融合：高效稀疏多模态融合框架用于远程三维感知

    SparseFusion 是一种基于稀疏三维特征构建的新型多模态融合框架，能够有效实现远程感知，并在长程 3D 感知任务和时间目标检测任务中取得了最优的性能。

    Mar, 2024

  • 稳健的多模态图匹配：稀疏编码遇上图匹配

    研究提出了一种基于稀疏技术的鲁棒图匹配算法，可处理加权或非加权图，也适用于不同类型数据的多模态图，并结合合作式图推理技术解决不同模态数据的一般网络推理问题，并以脑功能磁共振成像数据为例进行了应用与验证。

    Nov, 2013

  • 组稀疏模型选择：难度和放松

    本研究通过图形模型的理解和动态规划技术，基于组稀疏模型的组结构，解决了组模型选择问题，提出了一种修正的组模型，并研究了两个可操作的模型的群稀疏逼近的 Pareto 前沿以及选择和计算的权衡。

    Mar, 2013

  • 基于稀疏表示的高光谱与多光谱图像融合

    本文提出了一种基于变分的方法来融合高光谱和多光谱图像，该方法将融合过程表示为一个逆问题，并设计了一种稀疏正则化项。仿真结果表明，该算法相比于现有的融合方法更加高效。

    Sep, 2014

  • 分层稀疏编码的邻近优化方法

    该研究论文探讨了一种基于树形结构稀疏正则化规范的稀疏编码方法，提出了一种有效算法用于其优化，并通过图像、文本等实验结果展示了其在字典学习、噪声去除、主题学习等方面的应用潜力。

    Sep, 2010