《基於內容的大規模近似圖像檢索及挖掘技術研究》是依託廈門大學，由趙萬磊擔任項目負責人的面上項目。
基本介紹
- 中文名：基於內容的大規模近似圖像檢索及挖掘技術研究
- 項目類別：面上項目
- 項目負責人：趙萬磊
- 依託單位：廈門大學
項目摘要,結題摘要,
項目摘要
隨著Web 2.0的引入以及各種攜帶型移動多媒體設備，如智慧型手機，數位照相機等的普及，網際網路上有著數以千億的多媒體資源。項目以網際網路用戶對基於內容的圖像及視頻檢索需求為背景，探索具有高可伸縮性的、可高度並行的網路圖像檢索及超連結生成算法。研究內容包括提出新的圖像特徵表示方法，改進高維數據檢索結構以及探索在大規模圖像集合上建立超連結的高效算法。研究涉及計算機視覺，大規模信息檢索領域中的基礎性問題，屬於相關領域的關鍵技術。.項目提出了新的圖像特徵表示方法，既增強了特徵的區分度，又以新穎的方式實現高維特徵的維度分解，從而降低最近鄰檢索的難度。另外，對現有的最近鄰檢索算法提出改進方案，新方案避免潛在最近鄰丟失的情況，同時加快檢索過程。此外，項目提出可高度並行的圖像連結生成算法，並且引入海明嵌入驗證。同時，項目提出新穎的幾何嵌入驗證方法。基於這兩種驗證方法，算法有效降低連結生成的時間和空間複雜度。
結題摘要
隨著網路多媒體，以手機為載體的多媒體套用的迅速普及，產生了海量的圖像和視頻數據。對這些海量的圖像和視頻數據進行檢索以及挖掘是極富挑戰性的課題。一方面，這是一個具體的套用問題。另一方面，它所涉及的科學問題又屬於計算機視覺和信息檢索領域的基礎性問題，因此對於該問題的探索既有套用價值又有理論意義。 項目分為圖像特徵表示和高效檢索結構設計兩個模組展開研究。首先探索了基於協變VLAD特徵表示，將一幅圖上千個局部特徵壓縮為一個特徵，同時儘量保持了局部特徵的集合不變性。為了支持建立圖像間超連結的需要，項目進一步探索了基於弱監督的實例級特徵表示。提出了一個適用於未知實例類別的視覺實例檢測和特徵表示框架。另外，項目探索了基於快速K平均生成近鄰圖的方法。將每幅圖中的一個實例看做近鄰圖中的一個節點，通過生成實例之間的近鄰圖在圖像之間建立超連結。同時，基於近鄰圖項目實現了在單進程下，1億規模數據的實時檢索。 在該項目資助下，項目組在國際期刊和會議上發表論文11篇。其中SCI收錄8篇，EI收錄3篇。其中項目負責人第一作者或者通訊作者發表論文7篇。
