稀疏表示是最近几年信号处理领域的热点之一,简单来说,它其实是一种对原始信号的分解过程,该分解过程借助一个事先得到的字典(也有人称之为过完备基,overcomplete basis),将输入信号表示为字典的线性近似的过程。
  1. 人脸识别:回顾与展望
  2. Multimodal Image Super-Resolution via Joint Sparse...
  3. 稀疏表达的意义在于? 为什么稀疏表达得到广泛的应用? - 知乎
  4. 什么是稀疏特征(Sparse Features)? - 知乎
  5. ICLR 2018 有什么值得关注的亮点? - 知乎
  6. 线性因子模型 – Deep Learning Book Chinese Translation
  7. OPPO Find 7 所用的 Multi-Shot...
  8. 计算机视觉、机器学习相关领域论文和源代码大集合
  9. 【前沿】深度学习顶会 ICLR 2018 匿名提交论文列表(附pdf...
  10. 稀疏矩阵乘法 | Phvn's Notes
  11. 用于分类的几种图像表示模型 - Yiiwood's Blog
  12. 计算机视觉、机器学习相关领域论文和源代码大集合
  13. 压缩感知 | Notes
  14. spark-mllib-matrix | Universality
  15. 常用优化方法 | Zhizhen's Attic
  16. 【CV-Face】深度学习从入门到放弃之人脸识别目录
  17. Robust PCA,稀疏子空间聚类(SSC)与低秩表示(LRR)
  18. 矩阵稀疏表示 - Backyard of LixinZhang
  19. 04.08 sparse matrix
  20. Python 稀疏矩阵表示 - 老顽童的wiki
展开全文
参考链接
父主题
微信扫码咨询专知VIP会员