文献阅读笔记——group sparsity and geometry constrained dictionary

       周五实验室有同学报告了ICCV2013的一篇论文group sparsity and geometry constrained dictionary learning for action recognition from depth maps。这篇文章是关于Sparsing Coding的。Sparse coding并非我的研究方向。在此只是做个文献阅读后的笔记，权当开拓下我的视野。

       从标题就可以看出，这篇论文试图通过学习到group sparsity和geometry constrained的词典用于深度图的行为识别。像以前看到的Sparse Coding 论文一样，本文也用一张漂亮的示意图给出了本文算法和Kmeans 、一般的Sparse Coding等算法的不同。如下

图中的（a）和（b）两个子图比较常见。子图（c）为Sparse Coding+group sparsity ，由图不难看出group sparsity是指将各类样本仅用各类对应的子字典表示。子图（d）是作者提出的算法，相比（c）加入了几何限制，即原特征空间上近的样本经稀疏表示后距离也要近，即尽量保持样本在原空间的几何远近关系。

        理解了作者的意图后，我们不难理解本文建立的模型。相对于以往研究者的工作，本文的模型增加了最后一项。因为增加的项为凸，所以加上一项依然保持了函数的凸性，因此模型的优化方法和一般的Sparse Coding算法是一样的。