余凯的CVPR12 Tutorial on Deep Learning
2015-06-01 18:32
316 查看
最近看了余凯的CVPR12 Tutorial on Deep Learning(下载),在此记录下自己的一些学习心得。
——特征提取
特征提取是目标识别的基础,直接关系到最终识别结果的好坏。在现阶段,特征提取一般采用人工设计好的算法,SIFT/HOG/LBP等,这些特征在特定类型的图像中能够达到较好的识别效果,基本能够满足现实需求。但这些算法提取的只是一些low-level特征,无法获得图像的high-level特征。能不能通过特征学习的方法,让机器自动学习特征,取代手工设计的特征,是近年来Machine
Learning的研究热点。Sparse
Coding无疑为解决Feature Learing提供了很好的思路。
——Feature Learing Framework
coding:特征编码过程,用非线性映射将图像数据映射到另一个特征空间,以更好的表达原始图像的内容,常用的coding方法有Spase Coding,RBMs,auto-encoders等。
pooling:特征加工过程,对提取的特征进行二次加工,使提取的特征能够更好的用于后续的分类过程。
output labels:可以运用各种Machine Learing算法(如SVM/CNN/Adaboost)进行分类。
——Sparse
Coding
Sparsecoding 最早被提出的时候是为了模拟人的大脑,研究人脑对视觉信息的处理过程。
算法包括以下两个步骤:
Training:given
a set of random patches x, learning a dictionary of bases [Φ1, Φ2, …]
Coding:for
data vector x, solve LASSO to find the sparse coefficient vector a
——Sparse Coding VS RBM & autoencoders
(关于RBM
& autoencoders 的内容可以参考链接)
1)Sparse Coding:
——系数a是稀疏的;
——a的维数一般比x的维数大(X=BS,X:n*m B:n*k S:k*m,B是over-complete的,即k>n);
——编码过程a=f(x)是一个关于x的非线性的隐函数(这是一个LASSO问题,我们无法得到f(x)的显示表达式);
——重建过程x'=g(a)是一个线性的显示的关于a的函数(X’=ΣaiΦi)。
2)RBM& autoencoders
——有显式的f(x);
——不需要限制a是稀疏的,但如果我们要求a是稀疏的(如稀疏自编码,稀疏RBM),通常能得到更好的效果(sparse helps learning)。
——Sparse
activations vs. sparse models
sparse model:f(x)的参数是稀疏的
1)例如:LASSO f(x)=<w,x>, w 是稀疏的
2)这是一个特征选择问题,所有的数据x都建立在相同的特征子集上
3)hot topic in machine learning
关于2),sparse
models(如sparse coding)是一个特征选择的过程,它选择good feature basis,丢弃bad
feature basis,在后续的编码过程中 用到的只是good feature basis。
sparse activations:f(x)的输出是稀疏的
1) 例如:sparse coding a=f(x), a 是稀疏的
2) 这是一个特征学习过程:不同的数据x会activate不同的特征子集
下面举例说明:
sparsemodels: f(x)=<w,x>(点积), 其中 w=[0, 0.2, 0, 0.1, 0, 0]
sparseactivations (sparse coding) :
——Sparsity vs. Locality
从直观上来讲,相似的数据应该有相似的特征,不相似的数据的特征应该也不相似。而Local sparse coding要求data in the same neighborhood 有相似的feature,data
in different neighborhoods 有不同的features 。
spasity和locality的关系简单总结如下:
sparsity不一定导致locality,而locality肯定是sparse的。sparse不比locality好,因为locality具有smooth的特性(即相邻的x编码后的f(x)也是相邻的),而仅仅sparse不能保证smooth。smooth的特性对classification会具有更好的效果,并且设计f(x)时,应尽量保证相似的x在它们的编码中有相似的非0的维度。
Classical sparse coding 一般而言都是local的
1)Whenit works best for classification, the codes are often found
local
2)It’s
preferred to let similar data have similar non-zero dimensions in their codes.
但是有些时候,sparse coding并不是local的,如
Case 1:
1)Eachbasis is a “direction”
2)Sparsity:each datum is a linear combination of
only several bases.
Case 2:
1)Eachbasisan “anchor point”(参考点/基点,用来表示其他数据点)
2)Sparsity:each datum(黑色十字) is alinear combination of neighbor anchors(红色点)
3)Sparsityis
caused by locality
local sparse coding的解决方法:
Local coordinate coding(LCC)
一个好的编码算法应该满足:
- havea
small coding error
- and
also be sufficiently local
LCC学习过程:
Super
vector coding(SVC):
已知字典C(每个word为d维),对于d维空间的的任意x都可以用下式估计:
其中v是字典中的word,
是系数向量。如果限制
中非零项的个数为1,且
>0,则得到Vector
Quantization(VQ):
其中
如果f(x) 是beta-Lipschitz smooth,那么
因此,f(x) can be expressed as a linear function on a nonlinear coding scheme
其中,
就是Super
Vector(SV) coding of x,定义如下:
s是非负常数,由于
,所以得到
。字典的中包含
个word,每个word是d维,那么
的维度为
。例如
,
SVC学习过程
最后推荐一篇博文:/article/2236627.html
ScSPM和LLC总结
——特征提取
特征提取是目标识别的基础,直接关系到最终识别结果的好坏。在现阶段,特征提取一般采用人工设计好的算法,SIFT/HOG/LBP等,这些特征在特定类型的图像中能够达到较好的识别效果,基本能够满足现实需求。但这些算法提取的只是一些low-level特征,无法获得图像的high-level特征。能不能通过特征学习的方法,让机器自动学习特征,取代手工设计的特征,是近年来Machine
Learning的研究热点。Sparse
Coding无疑为解决Feature Learing提供了很好的思路。
——Feature Learing Framework
coding:特征编码过程,用非线性映射将图像数据映射到另一个特征空间,以更好的表达原始图像的内容,常用的coding方法有Spase Coding,RBMs,auto-encoders等。
pooling:特征加工过程,对提取的特征进行二次加工,使提取的特征能够更好的用于后续的分类过程。
output labels:可以运用各种Machine Learing算法(如SVM/CNN/Adaboost)进行分类。
——Sparse
Coding
Sparsecoding 最早被提出的时候是为了模拟人的大脑,研究人脑对视觉信息的处理过程。
算法包括以下两个步骤:
Training:given
a set of random patches x, learning a dictionary of bases [Φ1, Φ2, …]
Coding:for
data vector x, solve LASSO to find the sparse coefficient vector a
——Sparse Coding VS RBM & autoencoders
(关于RBM
& autoencoders 的内容可以参考链接)
1)Sparse Coding:
——系数a是稀疏的;
——a的维数一般比x的维数大(X=BS,X:n*m B:n*k S:k*m,B是over-complete的,即k>n);
——编码过程a=f(x)是一个关于x的非线性的隐函数(这是一个LASSO问题,我们无法得到f(x)的显示表达式);
——重建过程x'=g(a)是一个线性的显示的关于a的函数(X’=ΣaiΦi)。
2)RBM& autoencoders
——有显式的f(x);
——不需要限制a是稀疏的,但如果我们要求a是稀疏的(如稀疏自编码,稀疏RBM),通常能得到更好的效果(sparse helps learning)。
——Sparse
activations vs. sparse models
sparse model:f(x)的参数是稀疏的
1)例如:LASSO f(x)=<w,x>, w 是稀疏的
2)这是一个特征选择问题,所有的数据x都建立在相同的特征子集上
3)hot topic in machine learning
关于2),sparse
models(如sparse coding)是一个特征选择的过程,它选择good feature basis,丢弃bad
feature basis,在后续的编码过程中 用到的只是good feature basis。
sparse activations:f(x)的输出是稀疏的
1) 例如:sparse coding a=f(x), a 是稀疏的
2) 这是一个特征学习过程:不同的数据x会activate不同的特征子集
下面举例说明:
sparsemodels: f(x)=<w,x>(点积), 其中 w=[0, 0.2, 0, 0.1, 0, 0]
sparseactivations (sparse coding) :
——Sparsity vs. Locality
从直观上来讲,相似的数据应该有相似的特征,不相似的数据的特征应该也不相似。而Local sparse coding要求data in the same neighborhood 有相似的feature,data
in different neighborhoods 有不同的features 。
spasity和locality的关系简单总结如下:
sparsity不一定导致locality,而locality肯定是sparse的。sparse不比locality好,因为locality具有smooth的特性(即相邻的x编码后的f(x)也是相邻的),而仅仅sparse不能保证smooth。smooth的特性对classification会具有更好的效果,并且设计f(x)时,应尽量保证相似的x在它们的编码中有相似的非0的维度。
Classical sparse coding 一般而言都是local的
1)Whenit works best for classification, the codes are often found
local
2)It’s
preferred to let similar data have similar non-zero dimensions in their codes.
但是有些时候,sparse coding并不是local的,如
Case 1:
1)Eachbasis is a “direction”
2)Sparsity:each datum is a linear combination of
only several bases.
Case 2:
1)Eachbasisan “anchor point”(参考点/基点,用来表示其他数据点)
2)Sparsity:each datum(黑色十字) is alinear combination of neighbor anchors(红色点)
3)Sparsityis
caused by locality
local sparse coding的解决方法:
Local coordinate coding(LCC)
一个好的编码算法应该满足:
- havea
small coding error
- and
also be sufficiently local
LCC学习过程:
Super
vector coding(SVC):
已知字典C(每个word为d维),对于d维空间的的任意x都可以用下式估计:
其中v是字典中的word,
是系数向量。如果限制
中非零项的个数为1,且
>0,则得到Vector
Quantization(VQ):
其中
如果f(x) 是beta-Lipschitz smooth,那么
因此,f(x) can be expressed as a linear function on a nonlinear coding scheme
其中,
就是Super
Vector(SV) coding of x,定义如下:
s是非负常数,由于
,所以得到
。字典的中包含
个word,每个word是d维,那么
的维度为
。例如
,
SVC学习过程
最后推荐一篇博文:/article/2236627.html
ScSPM和LLC总结
相关文章推荐
- HttpServletRequest 常用返回值类型
- Leetcode Container With Most Water
- Html表格自动换行
- 使用 kqueue 在 FreeBSD 上开发高性能应用服务器
- win7查看进程号
- C++ 类族的设计
- Day2:接着思考和可能的策划
- php的webservice使用
- 关于FFMPEG里读取的h264的AVPACKET存储nalu成为h264问题
- python 的Queue
- 【转载】使用theano进行深度学习实践(一) - CSDN博客
- 一些表单验证常用的正则表达式收集
- hdu5256 序列变换 最长递增子序列
- vim大小写转换 以及区块选择 复制粘贴
- 非模态对话框内存释放
- 学习数据结构的网站
- linealayout垂直布局,控件置为底部
- .Net 内存溢出(System.OutOfMemoryException)的常见情况和处理方式总结
- JavaScript HTML DOM - 改变CSS
- 模拟 2015百度之星资格赛 1003 IP聚合