项目名称: 基于稀疏语义表示的大规模图像分类问题研究

项目编号: No.61262050

项目类型: 地区科学基金项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 李波

作者单位: 南昌航空大学

项目金额: 46万元

中文摘要: 本项目拟以近年来在底层图像处理领域取得成功应用的稀疏表示方法为基础,以解决当前图像分类所面临的语义特征表达和大规模等关键问题为目的,重点研究可用于分类的图像鉴别稀疏特征的提取与评价,建立基于稀疏表示的快速图像分类算法,在稀疏表示的框架下来研究图像分类的语义表达与大规模问题。具体的,(1)针对图像的语义表达问题,研究适用于图像分类的保语义鉴别稀疏特征空间的构造与表示,在降低图像分类计算复杂度的同时,保证特征空间的可分离性;(2)针对大规模图像分类问题,研究基于先验信息的稀疏空间构造问题,建立可压缩稀疏空间中的快速图像分类方法;(3)针对图像分类的可扩展性问题,建立面向动态数据库的随机逼近快速图像分类算法。本项目将充分挖掘基于稀疏表示的图像分类新方法,探索新方法能否突破传统分类问题面临的表达与大规模瓶颈,并在中山大学数字医疗媒体库上进行试验验证。

中文关键词: 稀疏表示;低秩表示;特征提取;在线分类;

英文摘要: Inspired by the successful application of sparse representation methods in low-level image processing, this project mainly study the discriminative sparse representation for image classification and the fast classification methods for large-scale problem, aiming at solving the bottleneck of image classification. This project will build the research method of image classification under the framework of sparse representation. The main contribution includes:(1) research of sparse feature space which is discriminative, semantic and adaptive for the application of image classification. While reducing the computer complexity,it should ensure the separability of the feature space;(2) For the large-scale problem,introduce the construction of sparse feature space via priori information , and build the fast classification algorithm in the compressive space;(3) For the dynamic expanded training dataset, build the fast dynamic stochastic learning algorithm by using the main idea of stochastic approximation, which is classical in mathematical optimization. In this project, we will dig up the new methods of image classification with sparse representation, and prob that if the new methods can overcome the now existing bottleneck of image classification, and finally we will make experiments on the medical database provided by

英文关键词: sparse representation;low-rank representation;feature extraction;online classification;

成为VIP会员查看完整内容
0

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
面向图像分类的小样本学习算法综述
专知会员服务
62+阅读 · 2022年5月9日
【CVPR2022】基于渐进自蒸馏的鲁棒跨模态表示学习
专知会员服务
18+阅读 · 2022年4月13日
专知会员服务
95+阅读 · 2021年5月25日
【AAAI2021】基于组间语义挖掘的弱监督语义分割
专知会员服务
15+阅读 · 2021年1月19日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
基于小样本学习的图像分类技术综述
专知会员服务
148+阅读 · 2020年5月6日
专知会员服务
110+阅读 · 2020年3月20日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
CVPR 2019 | 无监督领域特定单图像去模糊
PaperWeekly
14+阅读 · 2019年3月20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
干货——图像分类(下)
计算机视觉战队
14+阅读 · 2018年8月28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
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22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
2+阅读 · 2014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
2+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
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
小贴士
相关VIP内容
面向图像分类的小样本学习算法综述
专知会员服务
62+阅读 · 2022年5月9日
【CVPR2022】基于渐进自蒸馏的鲁棒跨模态表示学习
专知会员服务
18+阅读 · 2022年4月13日
专知会员服务
95+阅读 · 2021年5月25日
【AAAI2021】基于组间语义挖掘的弱监督语义分割
专知会员服务
15+阅读 · 2021年1月19日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
基于小样本学习的图像分类技术综述
专知会员服务
148+阅读 · 2020年5月6日
专知会员服务
110+阅读 · 2020年3月20日
相关资讯
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
CVPR 2019 | 无监督领域特定单图像去模糊
PaperWeekly
14+阅读 · 2019年3月20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
干货——图像分类(下)
计算机视觉战队
14+阅读 · 2018年8月28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
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22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
2+阅读 · 2014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
2+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
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011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