图像处理与矩阵分析

上传者: wyt17358459012 | 上传时间: 2021-11-02 16:52:41 | 文件大小: 71KB | 文件类型: -
图像记忆性预测包含两个核心问题:特征表征与预测模型。当前对图像记忆性预测的研究多聚焦于探索对其有影响的视觉因素,预测过程采用特征处理与预测相分离的方式,这使得预测性能很大程度上受前期特征处理的制约,如果整个预测过程缺少整体性的学习机理,可能会产生次优的预测结果。为解决上述挑战,下面介绍一种基于低秩表征学习的图像记忆性预测模型,将低秩表征学习和线性回归整合到一个框架下。其中低秩表征学习将原始的特征矩阵映射到具有低秩约束的潜在子空间中,以学习到本征鲁棒的特征表征;线性回归学习了一个回归系数从而建立起图像特征表征和记忆性分数之间的联系。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明