随着触摸屏设备的普及，理解用户的手绘草图变得越来越重要人工智能和计算机视觉中的重要研究主题。 但是，与自然不同图像，手绘草图通常是高度抽象的，具有稀疏的视觉信息和较大的内部类别变化，使问题更具挑战性。 在这项工作中，我们研究如何建立有效的表示用于草图识别。 首先，要捕获不同规模和空间排列的显着性模式， 提出了一种基于Gabor的低层表示。 然后，基于此表示，进行发现草图中较复杂的模式，提出了一种混合多层稀疏编码（HMSC）模型来学习中级水平表示形式。 HMSC中还利用了改进的字典学习算法来减少过
