《三維形變目標內蘊特徵提取與聚類分析》是趙傑煜為項目負責人,寧波大學為依託單位的面上項目。
基本介紹
- 中文名:三維形變目標內蘊特徵提取與聚類分析
- 項目類別 :面上項目
- 項目負責人:趙傑煜
- 依託單位 :寧波大學
科研成果,項目摘要,
科研成果
序號 | 標題 | 類型 | 作者 |
---|---|---|---|
1 | 幾何質心的定義和計算 | 期刊論文 | 陳能侖; 舒振宇; 陳雙敏; 劉邦權; 趙傑煜; 辛士慶 |
2 | 結合運動時序性的人臉表情識別方法 | 期刊論文 | 邱玉; 趙傑煜; 汪燕芳 |
3 | Mesh Convolution: A Novel Feature Extraction Method for 3D Non-Rigid Objects Classification | 期刊論文 | Y. Chen; J. Zhao(*); C. Shi; D. Yuan |
4 | 結合深度學習的監督主題模型 | 期刊論文 | 苑東東; 趙傑煜(*); 葉緒倫 |
5 | Non-Rigid 3D Object Retrieval with a Learned Shape Descriptor | 期刊論文 | X. Shi; J. Zhao(*); L. Zhang; X. Ye |
6 | 結合LDA主題模型的植物葉片形狀描述及分類 | 期刊論文 | 葉緒倫; 趙傑煜(*); 陳能侖 |
7 | 三維形變目標的格線卷積特徵提取及分類 | 期刊論文 | 史聰偉; 趙傑煜(*); 陳瑜 |
8 | A Nonparametric Deep Generative Model for Multimanifold Clustering | 期刊論文 | X. Ye; J. Zhao(*); L. Zhang; L. Guo |
9 | A Graph-Constrained Nonparametric Generative Model for Multi-Manifold Clustering | 期刊論文 | X. Ye; J. Zhao(*); Y. Chen |
10 | Hierarchical non-parametric Markov random field for image segmentation | 期刊論文 | X. Wang; J. Zhao(*) |
11 | Multi-manifold Clustering: A Graph-Constrained Deep Nonparametric Method | 期刊論文 | X. Ye; J. Zhao(*) |
12 | Open Set Deep Learning with A Bayesian Nonparametric Generative Model | 會議論文 | X. Ye; J. Zhao(*) |
13 | A Hand Gesture Recognition System based on Canonical Superpixel-Graph | 期刊論文 | C. Wang; Z.Liu; M. Zhu; J. Zhao; S. Chan |
14 | 協作式生成對抗網路 | 期刊論文 | 張龍; 趙傑煜(*); 葉緒倫; 董偉 |
15 | Local and Global Sparsity for Deep Learning Networks | 期刊論文 | L. Zhang; J. Zhao(*); X. Shi; X. Ye |
16 | Intrinsic Girth Function for Shape Processing | 期刊論文 | S. Xin; W. Wang; S. Chen; J. Zhao |
17 | Transferring Common Spatial Filters with Semi-Supervised Learning for Zero-training Motor Imagery Brain-computer Interface | 期刊論文 | X. Zhao; J. Zhao(*); W. Cai; S. Wu |
18 | 一種基於懲罰控制競爭學習聚類算法的特徵分層匹配方法 | 專利 | 張鋒; 趙傑煜 |
19 | An optimization-driven approach for computing geodesic paths on triangle meshes | 期刊論文 | B. Liu; S. Chen; S. Xin; Y. He; Z. Liu; J. Zhao |
20 | 一種基於貝葉斯和諧度的圖像分割方法 | 專利 | 文順; 趙傑煜 |
項目摘要
三維圖像分析可以有效克服光照和姿態變化的影響,其面臨的主要挑戰是目標運動引起的形變影響。本項目通過對曲面測地線特徵的深入研究,利用三維目標形變在大部分情況下是一種曲面等距變換的特性,設計能夠精確刻畫三維形變目標結構內蘊性質的測地線特徵,實現高效的內蘊特徵提取方法,有效提高三維圖像分析對於運動形變的魯棒性。. 無監督聚類分析的難點之一是如何自動確定聚類數目,本項目以狄利克雷過程混合模型為核心,設計實現具有模型選擇能力的聚類算法,結合高效的基於測地線的內蘊特徵提取,將其套用於無監督的三維形變目標聚類分析。深入研究設計分層模型,最佳化採樣速度,引入變分推斷技術,加速計算過程。通過結合三維目標建模的先驗,提高測地線特徵的準確性和魯棒性,著重解決確切類別數未知的複雜情況下的自動聚類問題,自動判定出現的新類別目標。實現一個三維形變目標自動聚類分析原型系統,取得三維圖像分析技術的新突破。