論文の概要: Locality Constrained Analysis Dictionary Learning via K-SVD Algorithm
- arxiv url: http://arxiv.org/abs/2104.14130v1
- Date: Thu, 29 Apr 2021 05:58:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-30 13:02:07.233346
- Title: Locality Constrained Analysis Dictionary Learning via K-SVD Algorithm
- Title(参考訳): k-svdアルゴリズムによる局所性制約付き分析辞書学習
- Authors: Kun Jiang, Zhaoli Liu, Zheng Liu and Qindong Sun
- Abstract要約: 合成K-SVDアルゴリズム(SK-LADL)を用いた新しい局所性制約分析辞書学習モデルを提案する。
画像データの幾何学的構造を明らかにするためにグラフ正規化を課すことにより、本質的な幾何学的性質を考察する。
学習した解析辞書を通して、画像は多様体の仮定をさらに保証できる新しいコンパクトな空間に変換される。
- 参考スコア(独自算出の注目度): 6.162666237389167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years, analysis dictionary learning (ADL) and its applications for
classification have been well developed, due to its flexible projective ability
and low classification complexity. With the learned analysis dictionary, test
samples can be transformed into a sparse subspace for classification
efficiently. However, the underling locality of sample data has rarely been
explored in analysis dictionary to enhance the discriminative capability of the
classifier. In this paper, we propose a novel locality constrained analysis
dictionary learning model with a synthesis K-SVD algorithm (SK-LADL). It
considers the intrinsic geometric properties by imposing graph regularization
to uncover the geometric structure for the image data. Through the learned
analysis dictionary, we transform the image to a new and compact space where
the manifold assumption can be further guaranteed. thus, the local geometrical
structure of images can be preserved in sparse representation coefficients.
Moreover, the SK-LADL model is iteratively solved by the synthesis K-SVD and
gradient technique. Experimental results on image classification validate the
performance superiority of our SK-LADL model.
- Abstract(参考訳): 近年,解析辞書学習(adl)とその分類への応用が,柔軟な射影能力と分類複雑性の低さから盛んに行われている。
学習分析辞書では、テストサンプルを分類のためにスパース部分空間に変換することができる。
しかし, 分析辞書では, 分類器の識別能力を高めるため, サンプルデータの局所性の探索がほとんど行われていない。
本稿では,合成K-SVDアルゴリズム(SK-LADL)を用いた局所性制約付き解析辞書学習モデルを提案する。
画像データの幾何学的構造を明らかにするためにグラフ正規化を付与することにより、本質的な幾何学的性質を考察する。
学習した解析辞書を通して、画像は多様体の仮定をさらに保証できる新しいコンパクトな空間に変換される。
したがって、画像の局所幾何学的構造はスパース表現係数で保存することができる。
さらに、SK-LADLモデルは、合成K-SVDと勾配法により反復的に解かれる。
SK-LADLモデルの性能優位性を画像分類実験により検証した。
関連論文リスト
- Scalable Learning of Latent Language Structure With Logical Offline
Cycle Consistency [71.42261918225773]
概念的には、LOCCOは、トレーニング対象のセマンティクスを使用してラベルなしテキストのアノテーションを生成する、自己学習の一形態と見なすことができる。
追加ボーナスとして、LOCCOによって生成されたアノテーションは、神経テキスト生成モデルをトレーニングするために自明に再利用することができる。
論文 参考訳(メタデータ) (2023-05-31T16:47:20Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳(メタデータ) (2023-04-19T13:45:28Z) - Convergence of alternating minimisation algorithms for dictionary
learning [4.5687771576879594]
辞書学習のための2つの交互最小化アルゴリズムの収束に十分な条件を導出する。
我々は、生成辞書に少なくとも1/log(K)$の距離で、あるいは、初期化の各要素が1つの生成要素のみを指していることを保証する特別な構造を持つような、よく知られた初期化が与えられた場合、どちらのアルゴリズムも生成辞書への幾何収束率に収束することを示す。
論文 参考訳(メタデータ) (2023-04-04T12:58:47Z) - Supervised Dictionary Learning with Auxiliary Covariates [0.0]
Supervised Dictionary Learning (SDL) は、特徴抽出と分類タスクを同時に求める機械学習手法である。
結合因子空間における凸問題としてSDLを持ち上げる新しいフレームワークを提供する。
また, 胸部X線画像から得られた肺炎の指標として, 教師付きトピックモデリングによる文書分類の不均衡にSDLを適用した。
論文 参考訳(メタデータ) (2022-06-14T12:10:03Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳(メタデータ) (2022-03-23T12:52:49Z) - Do We Really Need a Learnable Classifier at the End of Deep Neural
Network? [118.18554882199676]
本研究では、ニューラルネットワークを学習して分類器をランダムにETFとして分類し、訓練中に固定する可能性について検討する。
実験結果から,バランスの取れたデータセットの画像分類において,同様の性能が得られることがわかった。
論文 参考訳(メタデータ) (2022-03-17T04:34:28Z) - Discriminative Dictionary Learning based on Statistical Methods [0.0]
信号やデータのスパース表現(SR)は厳密な数学的誤り境界と証明を持つ十分に確立された理論を持つ。
最小損失の信号群を表現した辞書を辞書学習(DL)という。
MODとK-SVDは、画像「デノイング」や「インペインティング」といった画像処理における再構成ベースの応用に成功している。
論文 参考訳(メタデータ) (2021-11-17T10:45:10Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳(メタデータ) (2021-03-25T09:31:41Z) - Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。
実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文 参考訳(メタデータ) (2020-07-30T05:48:48Z) - Learning Deep Analysis Dictionaries -- Part II: Convolutional
Dictionaries [38.7315182732103]
非構造化辞書の代わりに畳み込み辞書を学習するディープ畳み込み解析辞書モデル(DeepCAM)を導入する。
L層DeepCAMは、畳み込み解析辞書のL層と、要素単位のソフトスレッディングペアから構成される。
We demonstrate that DeepCAM is a effective multilayer convolutional model and on single image super- resolution, achieves performance comparable with other method。
論文 参考訳(メタデータ) (2020-01-31T19:02:10Z) - Learning Deep Analysis Dictionaries for Image Super-Resolution [38.7315182732103]
ディープ分析辞書モデル(DeepAM)は、単一画像超解像と呼ばれる特定の回帰課題に対処するために最適化されている。
我々のアーキテクチャはL層の解析辞書とソフトスレッショルド演算子を含む。
DeepAMは、教師なしと教師なしの両方のセットアップを使用する。
論文 参考訳(メタデータ) (2020-01-31T18:59:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。