LLC算法coding与pooling解析

     这几天看了Locality-constrained Linear Coding for Image Classification算法，里面涉及到coding与pooling过程，在此做一解析：

     

     1）Feature Extract

      在代码部分，作者用了Lazebnik's SIFT算法提取 Dense Sift特征

      CalculateSiftDescriptor(rt_img_dir, rt_data_dir, gridSpacing, patchSize, maxImSize, nrml_threshold)

       其中patchSize为提取Sift特征的patch大小，gridSpacing为patch移动的步长

   

      2）coding

     coding过程其实是LLE (Locally Linear Embedding) 局部线性嵌入算法(链接)的前两步

     

     （1）寻找每个样本点的k个近邻点       

% find k nearest neighbors%       B       -M x d codebook, M entries in a d-dim space%       X       -N x d matrix, N data points in a d-dim spaceXX = sum(X.*X, 2);BB = sum(B.*B, 2);D  = repmat(XX, 1, nbase)-2*X*B'+repmat(BB', nframe, 1);IDX = zeros(nframe, knn);%(1)寻找每个样本点的k个近邻点for i = 1:nframe,d = D(i,:);[dummy, idx] = sort(d, 'ascend');IDX(i, :) = idx(1:knn);end

a)       距离方阵

        首先注意到这样一个事实|Xi-Xj|^2=|Xi|^2+|Xj|^2-2<Xi, Xj>，其中< , >为内积。XX = sum(X.^2,1)是N行1列的矩阵，第j个元素为X第j行的平方和，也就是|Xj|^2。

       repmat是平铺函数，repmat(XX,N,1)得到N×N方阵，每行都是XX，同理repmat(BB',nframe,1)每行都是BB'，'是转置的意思。X'*X得到N×N方阵，(i,j)位置元素为<Xi, Xj>。因此distance就是我们要的距离方阵的平方。

b)      省去开平凡

        因为我们只需要K近邻，而不需要具体的距离值，而开平方是严格单调函数，保序，因此我们可以省去开平方，节省了计算量。

c)      反向索引

        sort给矩阵每列排序，并返回置换前后下标的映射关系index：index(i,j)是distance第j列第i小的元素的下标。我们要每列前K小的下标，也就是每个Xi的K近邻。

       任意两个点至少做一次内积O(D)，共O(N^2)个点对，故复杂度：O(DN^2)

     （2）由每个样本点的近邻点计算出该样本点的局部重建权值矩阵

      

II = eye(knn, knn);Coeff = zeros(nframe, nbase);for i=1:nframe   idx = IDX(i,:);   z = B(idx,:) - repmat(X(i,:), knn, 1);           % shift ith pt to origin   C = z*z';      % local covariance   C = C + II*beta*trace(C);                        % regularlization (K>D)或脊回归，矩阵的对角线加上较小的数，防止C为奇异矩阵   w = C\ones(knn,1);   w = w/sum(w);                                    % enforce sum(w)=1   Coeff(i,idx) = w';end

        首先，因为对于任意i，Wij=0若j不属于Si，故W只需要存K行N列即可。

        其次，易见E(W)极小当且仅当每一求和项极小，因此我们依次计算W的每一列。固定列i，记x=Xi，w=W第i列，ŋj=Xj，极小化|x-

∑{j=1..K}{wjηj}|^2，满足归一化约束∑{ j=1..k }{wj}=1。用矩阵语言描述：记B=( ŋ1-x,…, ηk-x)为D×K矩阵，G=B'B为K×K方阵（讲义中称之为Gram方阵，半正定，在摄动意义下总可以假设它非奇异），e=(1,…,1)'为K维单位列向量，则问题化为——

                                                       min |Bw|^2也就是min w'Gw（二次型）  s.t. e'w=1

        用拉格朗日乘数法求此条件极值：做辅助函数F(w,λ)= w'Gw-λ(e'w -1)

        对每个wj求偏导数令为0得Gw=λe，反解出w=G^{-1}λe，代入到归一化约束得

                                   λ=(e'G^{-1}e)^{-1}，即最优解w=(e'G^{-1}e)^{-1} G^{-1}e

        实际操作时，我们先解线性方程组Gw=e，然后再将解向量w归一化，易见得到的就是上述最优解。

   3) pooling

    作者采用max-pooliing方法，size(llc_codes)=[nBase,nFrame],每一行对应一个dictionary中的base，max(llc_codes(:, sidxBin), [], 2)取每一行的最大值。