模式识别或行为识别存在的问题

模式识别等存在问题（有待完善）

 

1.池运算/池操作（Pooling operation）？

池运算就是一种采样策略，将低数据表示的维数。例如，矩阵数据转为向量、大矩阵采样后转换小矩阵等。

池运算是一种非线性映射。正是由于是一种采样策略，故不可避免的会损失有用信息。在行为识别中，最明显的例子就是局部运动信息，局部特征缺少详细的信息（位置），会致使邻帧运动特征捕获不到。

对于这个不足，如何用池运算？使具有判别性的特征尽量损失最少？同性特征尽量剔除？

Yangqing Jia,ChangHuang,TrevorDarrell. Beyond spatial pyramids: Receptive fieldlearning for pooled image features.CVPR2012: 3370-3377

该文献提出同步学习完备字典及完备池的方法

2.全局统计特征学习训练速度问题？

3.过完备字典真的很好吗？有利点及不足。

稀疏编码或ICA模型等学习的过完字典，需要大的存储空间，为解决这个问题，1）引入了压缩感知，同时不失原始信号特征；2）.....

4.简单神经元、复杂神经元、高级复杂神经元、超高级复杂神经元感知域特点，如何有简单到复杂学习具有判别性的特征？

简单特征征，即简单几何结构特征。目前主要有稀疏编码、ICA及部分其它的单、多层网络学习的字典；

复杂特征，及具有平移不变性。目前的复杂特征主要通过Pool的方法实现。

5.在4中涉及。轮廓编组问题、神经元共同响应问题？

6.无监督特征学习学习的特征，到底什么样的特征有利于识别？利用简单特征不能很好稀疏编码目标特征，如何解决（学习具有判别性的特征，同时解决遮挡、视角问题）？

7.多视点学习，由于变型及目标多样性（大小、颜色等）问题，如何解决类内差别问题？

不同场景，不同人物特征的行为，类内变化问题。