项目名称: 基于Modular积图和最大团的草图形状匹配技术研究

项目编号: No.61305091

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 梁爽

作者单位: 同济大学

项目金额: 25万元

中文摘要: 近年来,随着触摸屏的普及,草图交互技术及其应用已渗透到国民经济的各个行业和国人的日常生活中。在草图识别/检索等很多草图交互系统中,草图形状匹配技术都扮演着基石的角色。草图形状匹配研究的最终目的是希望提出某些度量算法,进而有效、自动地计算两个形状之间的相似度,并希望计算的结果能够和人的视觉感知高度一致。目前的方法对草图形状的匹配能力(尤其是部分匹配能力)还达不到和人的视觉感知高度一致的程度。鉴于此,在本项目中,我们将致力于提出新的高精度的草图形状匹配方法。拟提出的新方法将建立在图模型表示和积图与最大团两个理论基础之上。这是因为:一方面,图模型表示可以有效地处理草图的不确定问题;另一方面,积图与最大团可以灵活地支持部分匹配。我们将尝试把这两个理论有机结合,并有效地引入到草图形状匹配领域中,来构建全新的高精度的草图形状匹配方法。本项目的预期成果将在理论和应用两个方面极大地促进草图交互领域的发展。

中文关键词: 形状匹配;Modular积图;最大团;草图;

英文摘要: With the development of touch-based interfaces, sketch-based applications and interaction become more and more popular in both professional activities and general tasks. Sketch matching plays a significant and fundamental role in various sketch-based applications, such as sketch recognition, sketch retrieval, etc. Actually, the ultimate goal of the research of sketch matching is to design certain computational models that can measure the similarity between two shapes automatically and effectively, in consistency with subjective visual perceptions. Currently, however, the matching ability of the state-of-the-art sketch matching methods, especially partially matching ability, cannot highly correlate with subjective perceptions. To this end, we will lay our focus on devising novel high performance sketch matching methods in this project. Specifically, the newly proposed sketch matching method will be based on graph-based representation and product graph and maximal clique theory, for which there are several justifications. On one hand, graph-based representation is effective in dealing with the characteristics of uncertainty of sketches. On the other hand, the product graph and maximal clique theory is a flexbile and effective way of supporting partial matching in graph matching problems. Thus, in this project, we

英文关键词: Shape Matching;Modular Product Graph;Maximal Clique;Sketch;

成为VIP会员查看完整内容
0

相关内容

因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
面向知识图谱的知识推理综述
专知会员服务
149+阅读 · 2021年11月1日
【IJCAI2020】TransOMCS: 从语言图谱到常识图谱
专知会员服务
34+阅读 · 2020年5月4日
【浙江大学】人脸反欺诈活体检测综述
专知会员服务
31+阅读 · 2020年4月15日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
阿里+南洋理工,基于GNN的电商产品属性预测
图与推荐
0+阅读 · 2021年12月30日
NIPS'21 | 通过动态图评分匹配预测分子构象
图与推荐
0+阅读 · 2021年11月29日
OpenKG开源系列|开源知识图谱融合工具OpenEA (南京大学)
交叉描述:图像和文本的语义相似度
TensorFlow
2+阅读 · 2021年6月22日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
CVPR 2017 | Tiny Faces 小人脸检测算法简介
极市平台
10+阅读 · 2018年2月1日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
14+阅读 · 2019年11月26日
小贴士
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
阿里+南洋理工,基于GNN的电商产品属性预测
图与推荐
0+阅读 · 2021年12月30日
NIPS'21 | 通过动态图评分匹配预测分子构象
图与推荐
0+阅读 · 2021年11月29日
OpenKG开源系列|开源知识图谱融合工具OpenEA (南京大学)
交叉描述:图像和文本的语义相似度
TensorFlow
2+阅读 · 2021年6月22日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
CVPR 2017 | Tiny Faces 小人脸检测算法简介
极市平台
10+阅读 · 2018年2月1日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员