转自：http://blog.sina.com.cn/s/blog_49b5f5080100b62j.html（稀疏性与L1范数——何以完美 的博客）   转自prfans： Sparse, L1-minimization, Compressive Sensing 集中讨论帖（第一页常更新） Sparse大家并不陌生，是个经典话题了。而此时sparse已经卷土重来，虽然还是那一锅汤，但是药

Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis简记 文章目录 Convolutional Neural Network based Multiple-Rate Compres

目前比较主流的跟踪算法有两种，generative  tracking algorithms（生成跟踪算法）和discriminative algorithms（判别跟踪算法）。 生成跟踪算法，顾名思义边生成边跟踪。即对这一帧的样本进行学习，将学习的结果作为下一帧的分类器，达到边学习跟踪，边跟踪边学习的效果。这种跟踪算法的缺点是在视频的前几帧，样本量较少，因此大部分的算法要求视频中目标在视频

http://www.cvchina.info/2012/07/31/real-time-compressive-tracking/ 感谢香港理工大学的Kaihua Zhang，这是他即将在ECCV 2012上出现的paper：Real-time Compressive Tracking。 这里是他的介绍： 一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条

感谢香港理工大学的Kaihua Zhang，这是他即将在ECCV 2012上出现的paper：Real-time Compressive Tracking。 这里是他的介绍： 一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概