低秩矩阵恢复在机器视觉中的理解-- Sparse Representation based on Low-Rank Dictionary Learning

本文介绍了低秩矩阵恢复技术在有噪声图片人脸识别中的应用,通过结合稀疏表示与低秩矩阵恢复,优化了字典学习。算法将低秩特性用于噪声分离,同时增强字典的区分性,实验结果显示该方法相比于传统方法有明显提升。

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

 最近看论文,无意中发现低秩矩阵感觉很给力,所以看了几篇低秩矩阵的论文,总结一下。

1.Sparse Representation for Fa ce Recognition based on Discriminative Low-Rank Dictionary Learning

a解决的问题:在有噪声的图片下进行人脸识别

b前人工作:以前的算法主要是基于训练样本学习的字典来重构信号,这种方法对干净的信号或者只有少量噪声的信号效果好。

评论 1
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