河南大学数学与统计学院杨晓慧教授团队在均衡稀疏表示学习方面取得重要进展，相关研究成果以“CoRe: Learning compact representation with prior-guided initialization”为题在Pattern Recognition发表。该工作旨在从稀疏编码的角度入手，搭建从数据端到任务端充分且紧凑的均衡稀疏表示学习框架，以适用于卷积神经网络、Transformer等多种网络架构，并能灵活用于目标检测、分类、分割、复原、超分辨等多种实际任务。论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0031320326000038。代码链接：https://github.com/jingmingliang/CoRe

现代深度网络表示能力强大，然而理论尚有欠缺。卷积稀疏编码通过显式优化可提供理论保障，然而其实际应用受限。该工作通过搭建一种实用的紧凑表示学习模块，旨在搭建稀疏编码理论基础与深度学习实践之间的优势互补。通过引入先验引导初始化策略以提升先验知识利用率，为残差结构提供了新的解释视角。数学分析证明该方法比传统卷积稀疏编码方法更能保留输入信息，并展现出结构优势。进一步将迭代优化过程解构为可学习的紧凑表示组件，通过卷积层替换或直接插入方式可无缝集成至CNN和Transformer架构中，实现数据驱动的紧凑表示生成。涵盖ResNet、YOLO、U-Net、MobileNet、ShuffleNet、EfficientViT及SwinIR等多架构的实验验证了其在多种下游任务中的通用性。

此项研究成果由河南大学数学与统计学院、西安交通大学、中国科学院和武汉大学合作完成。学院宋宇博士为第一作者，学院杨晓慧教授和南方科技大学杨丽丽老师为共同通讯作者，学院解俊山教授、西安交通大学孟德宇教授、中国科学院张世华教授、武汉大学张敬教授为重要合作者。《Pattern Recognition》 是一本国际知名的学术期刊，主要发布模式识别领域的原创性研究论文。该期刊的研究内容涵盖了多个领域，包括但不限于：计算机视觉、图像处理、语音识别、机器学习、数据挖掘、信号处理、人工智能等，期刊内容不仅限于理论研究，还包括算法的实际应用、系统实现、以及模式识别领域的其他交叉学科研究。《Pattern Recognition》期刊由Elsevier出版，属于工程与计算机科学领域的高影响力期刊之一，特别是在模式识别、人工智能和计算机视觉等研究方向上具有很高的学术影响力。

                                               文案：杨晓慧

                                               编辑：贺红磊

                                               审核：肖运海