项目名称: 基于表示学习的图像复原和识别方法研究

项目编号: No.61472187

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 杨健

作者单位: 南京理工大学

项目金额: 87万元

中文摘要: 大数据中图像(视频)占据着举足轻重的地位,图像(视频)的理解和识别在社会、经济和国家安全等领域中扮演着越来越重要的角色。低质量和污染图像的识别已成为当前视觉监控和人脸识别领域的瓶颈问题。本项目将面向图像复原和识别两个紧密相关的问题,从低秩分解、稀疏表示和流形学习三方面开展表示学习理论与算法研究,旨在建立图像复原和分类识别一体化框架。主要内容包括:(1)基于核范数度量的最优重构方法研究;(2)基于表示学习的图像复原方法研究;(3)基于表示学习的特征生成方法研究;(4)图像复原和分类识别一体化方法研究。最后,基于以上理论与方法成果,构建图像复原和识别的稳健视觉系统验证平台。

中文关键词: 图像识别;特征提取;稀疏表示;流形学习

英文摘要: Due to the importance of image and video in big data, image and video understanding and recognition plan a critical role in our society, economy, and national security areas. Low-quality and contaminated images pose a challenging problem in video supervisory control and face recognition system. This project will be focused on the image recovery and recognition, the two closely related problems. We will do researches on low-rank decomposition, sparse representation, and manifold learning, aiming to build a unified framework for image recovery and recognition. The points of our research include: (1) nuclear norm based image reconstruction; (2) representation learning based image recovery; (3) representation learning based feature generation; (4) unified methods for image recovery and recognition. Finally, we will build a robust visual system to evaluate our theories and methods.

英文关键词: image recognition;feature extraction;sparse representation;manifold learning

成为VIP会员查看完整内容
2

相关内容

从图像中提取出有意义、有实用价值的信息。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
「小样本深度学习图像识别」最新2022综述
专知会员服务
101+阅读 · 2022年1月15日
专知会员服务
55+阅读 · 2021年10月12日
专知会员服务
29+阅读 · 2021年4月5日
【CCL2020】基于深度学习的实体关系抽取研究综述
专知会员服务
52+阅读 · 2020年11月4日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19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
56+阅读 · 2020年6月24日
专知会员服务
110+阅读 · 2020年3月20日
「小样本深度学习图像识别」最新2022综述
【WWW2021】基于知识嵌入的图卷积网络
专知
0+阅读 · 2021年4月27日
【CVPR2021】空间一致性表示学习
专知
0+阅读 · 2021年3月12日
【紫冬新作】人脸识别新突破:真实场景下的大规模双样本学习方法
中国科学院自动化研究所
11+阅读 · 2019年3月7日
CVPR 2018 论文解读 | 基于GAN和CNN的图像盲去噪
PaperWeekly
13+阅读 · 2019年1月22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
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
0+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
1+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
3+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
1+阅读 · 2009年12月31日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
「小样本深度学习图像识别」最新2022综述
专知会员服务
101+阅读 · 2022年1月15日
专知会员服务
55+阅读 · 2021年10月12日
专知会员服务
29+阅读 · 2021年4月5日
【CCL2020】基于深度学习的实体关系抽取研究综述
专知会员服务
52+阅读 · 2020年11月4日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19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
56+阅读 · 2020年6月24日
专知会员服务
110+阅读 · 2020年3月20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
0+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
1+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
3+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
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员