Erlernen eines diskriminativen Wörterbuchs für spärliches Codieren über label-konsistente K-SVD

Ein label-konsistenter K-SVD (LC-KSVD) Algorithmus zur Erlernung eines diskriminativen Wörterbuchs für spärliches Codieren wird vorgestellt. Neben der Verwendung von Klassenlabels der Trainingsdaten assoziieren wir auch Labelinformationen mit jedem Wörterbucheintrag (Spalten der Wörterbuchmatrix), um die Diskriminierbarkeit in spärlichen Codes während des Lernprozesses des Wörterbuchs zu erzwingen. Genauer gesagt führen wir eine neue label-konsistente Bedingung ein, die als „diskriminativer spärlicher Codefehler“ bezeichnet wird, und kombinieren sie mit dem Rekonstruktionsfehler und dem Klassifikationsfehler, um eine einheitliche Zielfunktion zu bilden. Die optimale Lösung wird effizient unter Verwendung des K-SVD-Algorithmus erlangt. Unser Algorithmus lernt ein einzelnes überkomplettes Wörterbuch und einen optimalen linearen Klassifikator gemeinsam. Er erzeugt Wörterbücher, sodass Merkmalspunkte mit den gleichen Klassenlabels ähnliche spärliche Codes haben. Experimentelle Ergebnisse zeigen, dass unser Algorithmus viele kürzlich vorgeschlagene Techniken für spärliches Codieren zur Gesichts- und Objektkategorisierung unter denselben Lernbedingungen übertrifft.