项目名称: 视觉信息的局部特征表示及应用研究

项目编号: No.61502235

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 钱建军

作者单位: 南京理工大学

项目金额: 21万元

中文摘要: 在大数据中视觉信息(图像、视频)占据着举足轻重的地位,而视觉信息的局部特征表示又在图像识别/分类、图像检索和视频分析等领域扮演着重要角色。高效的视觉信息局部特征表示是提升图像(视频)分析系统性能的关键。本项目将重点研究视觉信息的局部特征表示问题,从局部结构表示、稀疏表示和稳健表示三个方面展开研究,旨在建立视觉信息局部特征表示的一体化框架。主要研究内容包括:(1)基于核范数的回归表示方法研究;(2)基于鉴别学习的局部特征表示方法研究;(3)基于稀疏稳健性的局部特征表示方法研究;(4)基于深层回归的局部特征表示方法研究。最后,基于以上理论和方法的成果,建立基于视觉信息局部特征表示的视觉系统验证平台。

中文关键词: 局部特征抽取;稀疏表示;稳健表示;图像识别

英文摘要: Visual information (image and video) occupies an important position in big data. Local feature representation of visual information plays a central role in image recognition/classification, image retrieval and video analysis. It’s well known that how to design an effective local feature representation model for visual information is the key step to improve the abilities of image (or video) analysis system. This project will research on local feature representation models of visual information. Moreover, we will focus on provide an integrative framework of local feature representation according to the theories of local structure representation, sparse representation and robust representation. The main research content including: (1) nuclear norm based regression representation method; (2) discriminative learning based local feature representation method; (3) sparsity and robustness based local feature representation method; (4) deep regression based local feature representation method. Finally, we will build a vision system to verify our theories and methods.

英文关键词: Local feature extraction;sparse representation;robust representation;image recognition

成为VIP会员查看完整内容
2

相关内容

这种方法被称为Sparse Coding。通俗的说,就是将一个信号表示为一组基的线性组合,而且要求只需要较少的几个基就可以将信号表示出来
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
58+阅读 · 2021年12月1日
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
31+阅读 · 2021年3月17日
专知会员服务
18+阅读 · 2020年12月23日
多源数据行人重识别研究综述
专知会员服务
38+阅读 · 2020年11月2日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
55+阅读 · 2020年6月24日
高效医疗图像分析的统一表示
专知会员服务
33+阅读 · 2020年6月23日
基于视觉的三维重建关键技术研究综述
专知会员服务
156+阅读 · 2020年5月1日
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17日
杨宇鸿:腾讯多模态内容理解技术及应用
专知
3+阅读 · 2022年1月27日
【ICLR2021】自监督蒸馏学习视觉表示
专知
1+阅读 · 2021年4月14日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26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 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
30+阅读 · 2021年6月30日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
58+阅读 · 2021年12月1日
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
31+阅读 · 2021年3月17日
专知会员服务
18+阅读 · 2020年12月23日
多源数据行人重识别研究综述
专知会员服务
38+阅读 · 2020年11月2日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
55+阅读 · 2020年6月24日
高效医疗图像分析的统一表示
专知会员服务
33+阅读 · 2020年6月23日
基于视觉的三维重建关键技术研究综述
专知会员服务
156+阅读 · 2020年5月1日
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17日
相关资讯
相关基金
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 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
微信扫码咨询专知VIP会员