异常检测论文阅读《Sparse Reconstruction Cost for Abnormal Event Detection》CVPR 2011

《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