迁移学习在图像分类中的应用研究

项目名称： 迁移学习在图像分类中的应用研究

项目编号： No.61300163

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： 闫胜业

作者单位： 南京信息工程大学

项目金额： 23万元

中文摘要： 数据标注是图像分类中的一个关键问题。本项目旨在研究网络海量弱标注数据在图像分类中的使用问题。拟以迁移理论为基础，围绕大规模数据学习，海量数据标注噪声处理、海量数据中不同分布数据的分离以及目标物体对齐这四个方面展开研究。主要研究内容包括：如何建立一个更加有效的图像视觉表示，如何有效的分离不同分布的海量图像数据并有选择地利用，如何构建针对图像分类问题特有的目标物体位置、尺度、姿态分布存在不同的海量弱标注数据迁移学习模型，以及如何在新的模型下进行优化求解，并基于研究成果搭建场景分类的原型系统。

中文关键词： SVM；多示例学习；迁移学习；Bag of words；Spatial pyramid

英文摘要： Data annotation is a key problem in classification. This project aims at how to take advantage of the huge weak-labeled web image data to improve the performance of image classification. Based on transfer learning theory, four aspects will be studied, including large scale learning, noise handling, data separation from different distribution and targe object alignment. The main research contents includes: how to extract efficient visual cues from image, how to separate the large scale web dataset into differnt small source datasets and use them selectively, how to build the new transfer learning model taking both noise and alignment of position, scale and pose into consideration, how to derive the optimization problem. We will also build a demo system of scene landmark classification based on the research results.

英文关键词： SVM；Multiple instance learning；Transfer learning；Bag of words；Spatial pyramid