[14.05.09] CVPR 2014 讨论班总结

本次讨论班聚焦SparseCoding问题,提出一种新的优化方案,通过将原问题分解为两个子问题,每个子问题的算法复杂度降低至O(sqrt(K)),旨在减少计算量。尽管作者声称该方法能找到全局最优解,但这一结论仍存争议。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

很久没有记讨论班的内容了,一方面是因为手懒;另一方面,一些内容觉得不值得记或者真的没听懂。这就凸显了这次讨论班的意义,倒不是因为这次的东西有多么让我“震撼”,起码经过这段时间的maching learning东西的积累,这次讨论班有人让我能听懂并能深入思考的东西了 (虽然我认识的问题还很粗浅:))。

sparse coding的确是个大坑,挖进去的研究者文章都很可观(ICCV、CVPR,甚至PAMI....)

书归正传 题目

 

传统的sparse coding问题关心的是:

其中codebook A是d by K维的。此优化问题的关于A的矢量量化复杂度是O(K),本文考虑将上述问题分为两个子问题,使得每一个子问题的算法复杂度为O(sqrt(K)).即分为如下问题


可以证明上述问题的解


对于上述解的形式,我是存在疑惑的。虽然作者后边也有证明,但是我们讨论班对这个问题还是困惑。这就是作者断言此解是最上面问题的全局最优化解,作者采用的是反证法来证明的,可是我们总觉得这个解能成为全局最优解的性质还是存疑的,至少有争论。

从架构上来看,这个算法就是把原始的sparse coding问题分解为两个算法复杂度简单很多的子问题,在求解子问题的基础上,获得作者所宣称的原文题的全局最优解。是岁sparse coding问题的计算量上的优化,思路很简单。


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值