摘要:
在求解反问题时,正则化技术的作用非常大。对于大多数优化问题,基本都使用了正则化方法。但是什么是正则化?却没有一个概念性的定义。解释性的定义如下:对于线性方程Ax=b,当解x不存在或者解不唯一时,就是所谓的病态问题(ill-posed problem). 但是在很多时候,我们需要对病态问题求解,那怎么做?对于解不存在的情况,解决办法是增加一些条件找一个近似解;对于解不唯一的情况,解决办法是增加一些限制缩小解的范围。这种通过增加条件或限制要求求解病态问题的方法就是正则化方法。正则化的英文是regularization,即规则化,调整。通过一些调整或者其他办法,使病态问题也能得到唯一解。在这个调整的 阅读全文
摘要:
Xiao-Xin Li, Dao-Qing Dai, Xiao-Fei Zhang, Chuan-Xian Ren, "Structured Sparse Error Coding for FaceRecognition With Occlusion", IEEE Trans. on Image Processing, vol. 22, no. 5, 2013.这也是一篇处理有遮挡情况下的文章。 阅读全文
摘要:
Meng Yang, Lei Zhang, "Gabor feature based sparse representation for face recognition with gabor occlusion dictionary", ECCV, 2010.这不是一篇新文章。最近在思考对于有噪声和有遮挡的图像,如何更好的表示这些噪声和遮挡的信息?但是,对于高噪声的图像信息,大部分的有效信息已经被破坏了,并且被噪声占据。此时,为了表示带有高噪声的数据而去表示这些噪声信息,这种想法又觉得不对。对带有干扰信息的数据进行表示时,是应该先恢复还是应该一块表示。这篇文章是学习了一个 阅读全文