深度学习：基于稀疏和低秩模型

译者序
前言
主要作者简介
所有作者列表
第1章引言1
11深度学习基础1
12稀疏与低秩模型基础2
13连接深度学习与稀疏和低秩模型2
14本书章节结构3
15参考文献4
第2章双层稀疏编码：高光谱图像分类示例7
21引言7
22公式和算法9
221符号表示9
222联合特征的提取和分类9
223双层优化公式11
224算法12
23实验13
231对AVIRIS印第安纳松树数据的分类性能16
232对AVIRIS萨利纳斯数据的分类性能17
233对帕维亚大学数据的分类性能18
24结论19
25附录20
26参考文献21
第3章深度0编码器:模型展开示例23
31引言23
32相关工作24
321基于0和1的稀疏近似24
3221近似的网络实现24
33深度0编码器25
331深度0正则化编码器25
332深度M稀疏0编码器27
333理论属性28
34任务驱动的优化28
35实验28
351实现28
3520稀疏近似的仿真29
353在分类上的应用30
354在聚类上的应用31
36结论和关于理论属性的讨论33
37参考文献33
第4章单幅图像超分辨率：从稀疏编码到深度学习37
41通过具有稀疏先验的深度网络实现可靠的单幅图像超分辨率37
411引言37
412相关研究38
413基于稀疏编码网络的图像SR39
414用于可扩展SR的网络级联43
415真实场景下的鲁棒SR45
416实现细节47
417实验48
418主观评价55
419结论和未来工作57
42学习单幅图像超分辨率的混合深度网络58
421引言58
422所提出的方法59
423实现细节61
424实验结果61
425结论和未来工作65
43参考文献66
第5章从双层稀疏聚类到深度聚类69
51稀疏编码和可判别聚类的联合优化框架69
511引言69
512模型表示70
513面向聚类的成本函数71
514实验74
515结论79
516附录79
52学习用于聚类的任务特定的深度架构80
521引言80
522相关研究81
523模型表示81
524深入观察：DTAGnet的分层聚类84
525实验结果85
526结论92
53参考文献92
第6章信号处理95
61深度优化的压缩传感技术95
611背景95
612压缩传感的端到端优化模型96
613DOCS：前馈CS和联合优化CS97
614实验99
615结论102
62用于语音去噪的深度学习103
621引言103
622用于光谱去噪的神经网络103
623实验结果106
624结论和未来工作110
63参考文献111
第7章维度约简113
71带有局部限制的边缘化去噪字典学习113
711引言113
712相关研究114
713带有局部限制的边缘化去噪字典学习模型116
714实验124
715结论131
716未来工作131
72学习用于哈希的深度∞编码器131
721引言132
722ADMM算法133
723深度∞编码器134
724用于哈希的深度∞连体网络136
725图像哈希实验137
726结论142
73参考文献142
第8章动作识别145
81跨视角动作识别的深度学习的视角不变特征145
811引言145
812相关工作146
813深度学习的视角不变特征147
814实验152
82基于混合神经网络的深度摄像机动作识别157
821引言157
822相关工作158
823混合卷积递归神经网络159
824实验163
83结论166
84参考文献167
第9章风格识别和亲属关系理解171
91基于深度学习的风格分类171
911背景171
912栈式自编码器的预备知识174
913风格中心化自编码器174
914共识风格中心化自编码器177
915实验181
92可视化亲属关系理解185
921背景185
922相关工作186
923家族面部187
924正则化并行自编码器188
925实验结果192
93研究挑战和未来工作198
94参考文献198
第10章图像除雾：改进技术203
101引言203
102回顾和任务描述204
1021雾建模和除雾方法204
1022RESIDE数据集205
103任务1:除雾恢复205
104任务2:用于检测的除雾207
1041解决方案集1：增强级联中的除雾和检测模块207
1042解决方案集2：域自适应MaskRCNN208
105结论210
106参考文献211
第11章生物医学图像分析：自动肺癌诊断213
111引言213
112相关研究214
113方法论214
114实验217
115结论219
116致谢220
117参考文献220