- ICLR网络反卷积
本文讨论了卷积神经网络中重复数据学习的问题,提出了基于网络去卷积的方法,通过一系列实验发现该方法能够有效地提高模型性能并加速训练收敛速度。
- EMNLP学习和评估稀疏可解释的句子嵌入
本文通过引入稀疏表示的思想将 word embeddings 应用到 sentence embeddings 中,基于主题连贯性方法引入了一种新的、定量的自动化评估指标,并在电影对话数据集和 MS COCO 数据集的场景描述上观察到了 in - ICLR利用稀疏表示来对抗对抗攻击
本篇论文研究了针对深度神经网络的对抗攻击问题,表明对于稀疏输入数据表示,我们可以利用线性分类器的稀疏编码来有效减缓攻击,并将其扩展到深度神经网络中,发现使用局部线性模型可以有效降低 MNIST 数据集上的攻击成功率。
- 无线通信稀疏表示:一种压缩感知方法
本文介绍了稀疏表示在无线通信领域的各种应用,重点介绍了最近在压缩感知技术方面的应用。文章提供了稀疏表示在 5G 和物联网网络中增强频谱效率和能效的相关原则、不同稀疏域及其应用。
- MM基于残差帧的稀疏重构技术实现的可扩展视频超分辨率框架
文章提出了一个基于稀疏表示和压缩感知的超分辨率框架,用于在侦察和监视应用中对可扩展视频进行处理,实验结果表明,该框架具有更高的压缩率和更高的视频质量,是一种有效的压缩率更高、图像质量更优的视频处理算法。
- CVPR基于可验证自表示的子空间并集异常检测
该论文提出了一种结合了稀疏表示和随机游走的新的离群值检测方法,通过定义合适的马尔科夫链从而将离群值和基本 / 非基本状态联系起来,实现了在大型数据集中正确检测离群点的目的。
- 基于匹配追踪的嘈杂子空间聚类
本文研究 SSP-OMP 和 SSP-MP 两种算法在噪声数据情况下的表现,证明其能够在子空间相交且受到严重噪声污染数据的情况下成功进行聚类,并可以自动检测数据子空间的维度。SSP-MP 在比较聚类性能和运行时间方面表现非常优异。
- 稀疏方法在到达方向估计中的应用
本文主要讲述了方向估计(DOA)技术的研究进展以及基于稀疏表示和压缩感知的新方法在 DOA 估计中的应用,特别是无网格方法的研究现状和未来的研究方向。
- 基于半监督稀疏表示的人脸识别分类算法(样本不充分)
本文提出了一种名为 S$^3$RC 的方法,它能够在面部图像仅有极少标注数据、被噪声数据干扰的情况下进行人脸识别,该方法利用稀疏表示框架来表示面部图像中的两个字典(画廊字典和变化字典),并应用高斯混合模型和半监督学习方法来预测面部图像。实验 - CVPRSemiContour: 一种半监督学习的轮廓检测方法
这篇论文提出了一种半监督结构集成学习方法,采用稀疏表示方法来获取图像补丁中内在结构,允许在 BSDS500 分割数据集和 NYU 深度数据集上应用 SSL 进行轮廓检测。
- CVPR通过凸规划和块稀疏技术估计平滑支持下的稀疏信号
本文提出一种利用基于块的 l1— 范数正则化器实现图像稀疏表示及重建的新方法,同时利用其凸性质,开发出可以保证全局最优性的计算有效的恢复算法,并在压缩图像恢复、图像恢复和鲁棒 PCA 等各种任务上证明了其有效性。
- 无线系统同步学习的注意力模型:Radio Transformer Networks
我们使用学习到的注意模型和适用于无线电领域的空间变换引入新的适当变换,通过优化分类精度、稀疏表示和正则化来学习一个定位网络,能够在零知识下对无线电信号进行盲同步和标准化,从而在信噪比方面胜过不带注意力机制的相同系统。
- IJCAI强制使用模板表达和时间一致性实现自适应稀疏跟踪
本文提出了一种新的稀疏跟踪算法,通过模拟模板可表示性和时间一致性 (TRAC) 来解决时间外观变化的问题,改进了目标出现变化鲁棒性问题,在 12 种挑战性基准测试集上,质量和数量的结果都表明我们的算法优于现有的跟踪器。
- 稀疏表示技术综述:算法与应用
本文综合介绍了稀疏表示方法的分类、算法和应用,并进行了实验比较研究。
- MM球面上完整词典恢复:利用黎曼信赖域方法进行恢复
本文中,我们提出了一种基于流形优化的 Riemann 信任域算法来有效恢复具有特定几何结构的矩阵材料,在字典学习,稀疏表征和现代信号处理和机器学习等各种应用中取得了显著的效果,并且解决了稀疏列下矩阵恢复的难题。
- MM球面上的完整字典恢复 I:概述和几何图像
研究矩阵恢复的问题,探讨了通过优化解决该问题的方法,证明了当稀疏度为 $O (n)$ 时,算法具有恢复原始矩阵的能力,并提供了实现该方法的最新算法。
- 使用隐藏因子分析联合稀疏表示模拟人脸衰老效应
使用基于隐藏因子分析的联合稀疏表示方法,将人脸的属性和年龄因素分开建模,并仅将年龄因素通过稀疏重构变换到目标年龄组,与身份因素相结合,产生了良好的面部老化效果,并证明了其在身份保护和老化效果生成方面的有效性。
- 利用 Shearlet Transform 进行轻场重建
本文提出了一种基于图像的渲染技术,它基于通过相机获取的有限透视视图集合的光场重建。本文的方法利用了在方向敏感变换域内的极线平面图像的稀疏表示,该变换域通过自适应离散剪切变换得到。使用的迭代阈值算法为相邻视图之间的较大差异提供高质量重建结果。 - CVPR基于凸松弛的三维形状估计稀疏表示方法
本文提出了一种基于稀疏表示的 3D 形状重构方法,通过解决优化问题中的非凸性,利用单个图像恢复了物体形状,并且提出了一个鲁棒的方法来处理二维对应关系中的大量误差。实验证明该方法可用于从单个图像中恢复 3D 人体姿势和汽车模型,相较于非凸基线 - 基于张量的字典学习方法用于层析图像重建
本研究利用来自训练图像的字典作为先验进行断层扫描重建,并使用张量表示和稀疏约束来解决字典学习和重建问题。结果表明,我们的张量表示方法可以得到非常稀疏的表示,同时能够紧凑地表示重复的特征。