项目名称: 自适应视觉匹配计算模型及应用

项目编号: No.61201377

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 江南

作者单位: 华中科技大学

项目金额: 26万元

中文摘要: 视觉匹配是计算机视觉和视频分析中一个非常有挑战性的基础研究问题。其研究的难点在于高维计算机视觉数据中的不确定噪声对匹配效果的影响,从高层语义到低层视觉特征之间的语义鸿沟对匹配造成的不确定性,以及视觉目标物体自身的复杂性和不完备的图像观测造成的匹配的不确定性。这些难点使得传统的匹配方法不能很好地处理这样的复杂视觉问题。本课题旨在提出一种新颖的、统一的自适应视觉匹配模型来克服这一挑战。我们计划通过系统、严谨的分析来研究自适应视觉匹配的统一数学模型,分析在不同给定数据标注下的自适应视觉匹配研究方法,分析算法复杂度和收敛性能,研究自主定阶问题,并开发算法实验及验证平台。我们拟在多种计算机视觉应用中,挑选图像超分辨率重构,视频跟踪以及视频运动识别作为本项目的研究实例。研究成果将提供符合计算机视觉数据特点的自适应视觉匹配的统一理论及算法,促进计算机视觉领域中以匹配算法为核心的多种应用的发展。

中文关键词: 计算机视觉;自适应匹配;机器学习;;

英文摘要: Visual matching is a very challenging yet fundamental problem in computer vision and video analysis. The major difficulties lie in the uncertainty in high dimensional visual data, the semantic gap between visual objects and visual features, and the ambiguity of the visual observations. They have largely confronted the traditional visual matching approaches. The goal of this project is to overcome these challenges by pursuing a unified visual matching model. We plan to rigorously design the effective methods based on the supervised training data, analyze the complexity,convergence properties and dimensionality of visual matching methods. In addition, we plan to develop efficient algorithms for various visual applications, and realize software/hardware implementation. To substantialize this research, we plan to perform three cases studies in the context of computer vision, including exemplar-based image super resolution, robust visual tracking and video-based action recognition. The project will have significant impacts: (1) it will largely overcome the challenge to the matching of uncertain visual data. (2) it will largely benefit the vision applications whose performance is largely influenced by the matching results. (3)the adaptive learning methodology and the unified framework developed in this project is gen

英文关键词: computer vision;matching;metric learning;;

成为VIP会员查看完整内容
0

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

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
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
77+阅读 · 2020年12月6日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
【WWW2021】实体自适应语义依赖图立场检测
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
国家自然科学基金
3+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
0+阅读 · 2013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
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 · 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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
16+阅读 · 2018年4月2日
小贴士
相关VIP内容
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
77+阅读 · 2020年12月6日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
【WWW2021】实体自适应语义依赖图立场检测
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
相关基金
国家自然科学基金
3+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
0+阅读 · 2013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
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 · 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 · 2009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