基于多任务稀疏特征学习的海量图像理解方法研究

项目名称： 基于多任务稀疏特征学习的海量图像理解方法研究

项目编号： No.61402431

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： 李亮

作者单位： 中国科学院大学

项目金额： 27万元

中文摘要： 作为多媒体内容分析领域的一个基本问题，海量图像理解一直吸引着研究人员和工业界的兴趣。但目前互联网图像存在背景复杂、类内散度高和类间差异大等问题给其带来了巨大的挑战。本项目拟结合深度学习、稀疏表示、多特征学习、独立性分析技术对图像理解方法展开研究，实现对图像中出现的物体和场景等进行自动、全面地标注和整理。主要研究内容包括：1)深入讨论海量图像理解中的视觉多义性和概念多态性问题，提出一种视觉语义关联词典的解决思路；2)在图像表示问题上，在受限波尔兹曼机中融合空间信息，并与稀疏表示有机结合，从而得到有强表征能力的图像视觉表示；3)在图像视觉表观与高层语义的关联建模问题上，提出一种鲁棒的多任务稀疏特征学习模型，通过对这种关联关系构建一种非凸约束，来抑制噪声干扰，提高模型的鲁棒性；4)基于提出的视觉语义词典，图像可表示成一种层次化的语义描述，引入独立性分析方法来实现图像不同层面语义描述的距离度量。

中文关键词： 图像理解；特征表示学习；关联建模；跨模态度量学习；

英文摘要： As a fundamental problem in the domain of multimedia content analysis, large scale image understanding has drawn the interests of researchers and industry. However, the images on the internet usually have the complex background, high intra-class diversity

英文关键词： Image Understanding；Feather Learning；Corelation Modeling；Cross-modality Metric Learning；