《基於支持向量聚類與深度學習的圖像自動注釋算法研究》是依託大連理工大學,由孫亮擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於支持向量聚類與深度學習的圖像自動注釋算法研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：孫亮
項目摘要,結題摘要,
項目摘要
在社會化媒體與網路媒體廣泛興起的今天，如何獲得圖像語義與視覺特徵的潛在關聯來實現未知圖像的自動標註一直是研究者們關注的熱點問題。訓練數據選取、自動圖像特徵表達和圖像簇建模問題在對圖像進行自動標註過程中起著關鍵作用。本項目將利用支持向量聚類算法和深度學習算法所包含的原理與技術，開發面向圖像標註問題的有效算法。主要目標是解決上述三方面問題。其內容包括：（1）研究基於支持向量的訓練數據選取方法，從大規模圖像集中獲得規模適中並且信息豐富的訓練數據；（2）研究利用群智慧型算法訓練深度學習網路，通過深度學習網路自動獲取能夠表達圖像視覺信息的特徵；（3）開發基於支持向量的單數據簇描述算法，對包含相同語義的圖像簇進行建模；（4）建立圖像－語義網路，通過網路對未知圖像進行標註。本項目的研究成果，將為標註大規模、語義複雜的圖像數據提供有效的方法和手段，並為相關機器學習算法的研究提供理論與實驗依據。
結題摘要
在社會化媒體與網路媒體廣泛興起的今天，如何獲得圖像語義與視覺特徵的潛在關聯來實現未知圖像的自動標註一直是研究者們關注的熱點問題。訓練數據選取、自動圖像特徵表達和圖像簇建模問題在對圖像進行自動標註過程中起著關鍵作用。本項目針對自動圖像標註中底層視覺特徵不能充分體現用戶所理解的高層語義問題、訓練數據類別不平衡問題、弱標記問題，提出了基於典型相關子空間和K最鄰近的自動圖像標註算法；針對傳統的基於哈希的圖像檢索方法中檢索精確度較低的問題，提出了基於分塊哈希的圖像檢索算法；為最佳化訓練高效深度學習網路以獲得能夠表達圖像視覺信息的特徵，給出了保證最佳化算法全局收斂的充分條件，即全局性假設條件和單調性假設條件。進而依據所提出的全局收斂的充分條件，提出了具有柯西隨機和高斯隨機性質的粒子群新算法。為進一步最佳化網路，提出了若干解決超高維最佳化問題的協同最佳化方法，並從理論上分析了他們收斂性與複雜性。提出了基於生成對抗網路的多視圖學習與重構算法，通過生成式方法構建未知視圖。提出了新型表征學習算法，使得同一實例的任意視圖都能映射至相同的表征向量，並保證其包含實例的重構信息。提出了基於生成對抗網路的重構算法，在生成模型中加入表徵信息，保證了生成視圖數據與源視圖相匹配。此外，為了對所提出的方法進行更廣泛地測試，我們將所提出的不同預測學習算法分別套用於解決商務大數據集成挖掘問題、柔性車間作業調度問題、批量蛋白質同源性搜尋問題、無線感測網路最佳化，以及車聯網交叉路口自治車輛調度和車輛碰撞預警問題等。
