《基於定性空間推理的空間模式發現及機器視覺套用》是依託吉林大學，由王生生擔任項目負責人的面上項目。
基本介紹
- 中文名：基於定性空間推理的空間模式發現及機器視覺套用
- 項目類別：面上項目
- 項目負責人：王生生
- 依託單位：吉林大學
項目摘要,結題摘要,
項目摘要
圖像中可以提取興趣點(區域)、邊界線等圖像基元，這些圖像基元之間存府轎格捆在較為複雜的空間模式，其中可能隱含了重要的語義信息。然而，由於其空間關係種類繁多、錯綜複雜，且存在著相互約束，而此前的研究採用較簡單的空間關係模型，未能有效發現圖像中的深層、細節空間模式。此外，複雜形狀和複雜內部結構分析、複雜互動行為與複雜群體行為學習等研究也涉及複雜空間模式發現問題，並且未能很好地解決。通過理論研究與實驗發現，將定性空間推理與機器視覺研究有機結合，有望解決該問題。為此，本項目擬在現有定性空間推理研究基礎之上，進一步開展針對機器視覺的定性空間推理擴展研究工作，具體包括多元、異構、多粒度、精細空間關係模型，複雜內部結構模型，複雜互動軌跡定性建模，基於空間推理的複雜空間模式發現等。進而與興趣點檢測、詞袋模型、機率圖模型等機器視覺與模式識別研究相結合，解決複雜場景下的圖像檢索分類、複雜行為識別等機器視覺難題。
結題摘要
圖像基元之間存在較為複雜的空間模式，其中可能隱含了重要的語義信息。然而，由於其空間關係種類繁多、錯綜複雜，且存在著相互約束，而此前的研究甩墊遙未能有效發現圖像中的深層、細節空間模式。針對上述問題，將定性空間推理等人工智慧基鴉擔講礎理論與深度學習、機率圖模型等機器視覺最新技術有機結合，解決複雜場景下的圖像檢索分類、複雜行為識別等機器視覺難題。具體從下述四個方面開展研究：(A)在面向機器視覺的定性時空關係表示方面，提出了面向局部特徵空間關係的空間視覺編碼方法、基於局部細節空間關係的紋理描述方法、OPRA方向關係網路的時空推理方法、基於節點與邊特徵向量的網路表示學習框架、基於顏色空間融合的圖像局部二值模式表示方法等新方法妹欠；(B)在空間關係相似性度量方面，研究了基於全局與局部形狀特徵融合的形狀識別算法、面向圖像分類的局部和顯著相似性約束編碼、基於語義拓撲關係的用例圖檢索等；(C)在空間模式發現方面，解決了基於定性時空關係的軌跡行為識別和基於軌跡能量擴散圖的組行為識別等問題，並研究了和積網路自動編碼器；(D)在機器視覺戲乃懂臭套用方面, 結合深度學習新方法，研究了基於深度神經網路剪枝的兩階段遙感圖像目標檢測、基於深度學習和複雜空間關係特徵的多尺度遙習蜜您感圖像檢索、基於注意力機制和深度學習的遙感圖像自然語言生成、基於改進殘差網路的園林害蟲圖像識別等。累計發表標註資助論文29篇，其中SCI期刊論文11篇，EI核心期刊謎燥戶論文21篇，中國計算機學會推薦C類會議等EI檢索會議論文8篇，代表性論文發表在Neurocomputing等中科院二區期刊上。授權國家發明專利授權3項，新申請國家發明專利9項。培養博士3人，培養碩士研究生23人，2人獲得吉林大學優秀碩士研究生。綜上所述，不僅完成了項目申請書的預定目標，而且擴展了部分研究內容。開拓了定性空間推理等人工智慧基礎理論和深度學習等機器學習新技術有機結合的新思路，在一定程度上推進了人工智慧和機器視覺研究的進展。有關成果，在醫療和農業等領域一定套用前景。
