项目名称: 大数据环境下基于社交网络的图像搜索技术研究

项目编号: No.61502155

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: 严灵毓

作者单位: 湖北工业大学

项目金额: 20万元

中文摘要: 由于大数据环境下的数据具有数据规模大、数据价值密度低、处理的时效性要高等特点,现有的图像检索技术在大数据环境中已不再适用。本课题将针对面向大数据环境的图像检索,从视觉词汇哈希、面向社交网络的用户编码、高效自动编码、快速求解优化等方面开展相关理论及关键技术研究。拟结合视觉词汇和机器学习的相关理论,研究基于视觉词汇的特征哈希;拟结合高维数据感知哈希(Hash)的思想和社区检测相关理论,研究具有社区感知的用户编码;利用多层自动编码和迁移学习,研究高效的数据哈希算法;研究求解优化算法,实现对较大规模训练数据进行快速学习的目的。本课题的研究不仅丰富了图像检索相关的理论和技术,而且还对相关领域的学科发展也起促进作用。更为重要的是,该课题的研究,有助于解决大数据环境下数据分析和存储的难题,将推动产业化的发展。

中文关键词: 图像搜索;视觉词汇;社交网络;深度学习;大数据

英文摘要: Due to the large scale of the image data, the research about perceptual hashing has its specificity and complexity, and high requirements on performance in addition. Therefore, existing image perceptual hashing algorithms could not cope with the requirements of large scale image retrieve in terms of robustness, discrimination, compactness, et al. . In conclusion, it is a challenging and difficult problem to research on perceptual hashing algorithms for large scale image retrieval. Under the big data environment, data has the properties of large scale, low value of density, and high requirement on efficiency. Due to the properities, existing image retrieval technologies are not suitable in big data environment. Our project focuses on image retrieval under big data environment, and intend to conduct theory and key technology research on the following four aspects: visual words hashing,social network orentied user encoding, efficient auto-encoding, and fast solution and optimization. Combining visual words and machine learning, we first research on feature hashing based on visual words. Then, combining high dimensional data-aware hashing with community detection, we propose the community-aware fingerprint coding method. By utilizing theory about multi-layer auto-encoder and transfer learning, we research on efficient data hashing algorithm. We also conduct solution and optimization algrithm, aiming for fast learning on large scale trainging data. Researches in our project not only enrich the theory and technology about image retrieval, but also promote subject development in relevant field. Besides, the research benefits data analysis and storage under big data environment, and since promote development on related industrialization.

英文关键词: Image Search;Visual Words;Social Network;Deep Learning;Big data

成为VIP会员查看完整内容
0

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
83+阅读 · 2022年2月3日
可视化与人工智能交叉研究综述
专知会员服务
68+阅读 · 2021年11月19日
基于强化学习的推荐研究综述
专知会员服务
82+阅读 · 2021年10月21日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
60+阅读 · 2021年3月6日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
专知会员服务
123+阅读 · 2020年3月26日
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
图像修复研究进展综述
专知
17+阅读 · 2021年3月9日
支持个性化学习的行为大数据可视化研究
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17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
6+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
1+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
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 · 2008年12月31日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
21+阅读 · 2020年10月11日
Arxiv
11+阅读 · 2020年8月3日
Arxiv
11+阅读 · 2018年1月11日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
83+阅读 · 2022年2月3日
可视化与人工智能交叉研究综述
专知会员服务
68+阅读 · 2021年11月19日
基于强化学习的推荐研究综述
专知会员服务
82+阅读 · 2021年10月21日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
60+阅读 · 2021年3月6日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
专知会员服务
123+阅读 · 2020年3月26日
相关资讯
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
图像修复研究进展综述
专知
17+阅读 · 2021年3月9日
支持个性化学习的行为大数据可视化研究
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17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
相关基金
国家自然科学基金
6+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
1+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
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 · 2008年12月31日
微信扫码咨询专知VIP会员