基于迁移学习的图像搜索理论与方法研究

项目名称： 基于迁移学习的图像搜索理论与方法研究

项目编号： No.60975014

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 许超

作者单位： 北京大学

项目金额： 32万元

中文摘要： 伴随着图像数据的指数级增长，图像搜索成为新的研究热点之一。目前商业的图像搜索系统大都是基于图像文本信息进行搜索，而图像本质的内容信息还没有被有效地利用。由于图像高层概念的标注耗时耗力，使得标注样本的数量通常较少，因而基于文本的图像搜索性能尚不能满足用户需求。基于图像内容的搜索，由于图像内容自动识别的困难，传统机器学习的方法会陷入"小样本问题"，无法有效地对图像的底层特征和高层概念进行映射。本课题将采用迁移学习的理论和方法，尽可能多地借助各个相关层面的辅助信息，如相关概念的共享信息，辅助域的标注数据和搜索模型，复杂特征相互间的关系和变换，以及文本搜索模型，来缓解"小样本问题"。为了综合、优化地利用辅助信息，我们提出结合跨概念迁移，域迁移，特征迁移和文本搜索模型迁移的图像搜索综合框架，以及基于正则化的学习方法，计划从多个侧面深入研究，相辅相成，使图像搜索性能得到显著的提高。

中文关键词： 图像检索；排序模型；特征提取；迁移学习；

英文摘要：

英文关键词： image retrieval；ranking model；feature extraction；transfer learning；