标签：10 样本 Abnormal 稀疏 Detection Sparse 图片 字典

《Sparse Reconstruction Cost for Abnormal Event Detection》CVPR 2011

In this paper, we propose a general abnormal event detection framework using sparse representation for both LAE and GAE.

在本文中，作者提出了一个使用稀疏表示的LAE和GAE的通用异常事件检测框架。

** sparse representation ：**稀疏表示（Sparse Representation）也叫作稀疏编码（Sparse Coding）,就是用字典中元素的线性组合去表示测试样本。

引用一个表达比较好的例子来阐述稀疏表示（Sparse Representation）：如下图现在给定一个任务，在字典中找出10张图片，用这10张图片的一个线性组合去尽可能的表示测试样本，如果是你的话，你会怎么选，你会选10张桌子图片去表示 一张狗的图片吗？不会的，你会选10张狗的图片竟可能的描述测试样本。这也就是稀疏表示的过程。

表示，就是用字典中的元素（就是字典中的样本）的线性组合尽可能的描述（还原）测试样本。
稀疏表示要用尽可能少的字典中的元素去描述测试样本。为什么要稀疏呢？为什么选用的字典中的样本要尽可能少呢？你可以想象对于一个狗的图片，我用大量的字典中桌子的的样本，东补补西凑凑，只要桌子的样本够多，我也是可以用大量桌子图片的线性组合去表示狗这张图片的。所以对字典中选取的样本的数量要求尽可能的少。

基于上面的介绍我们可以大致对稀疏表示（Sparse Representation）建立一个初步的印象，在这前提下我们来结合论文，看看他们是怎么实现的。

标签：10,样本,Abnormal,稀疏,Detection,Sparse,图片,字典
来源： https://blog.csdn.net/qq_45496282/article/details/122306574

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。