《基於組合Hodge理論的圖像視頻質量評價方法》是依託北京大學，由許倩倩擔任負責人的青年科學基金項目。
基本介紹
- 中文名：基於組合Hodge理論的圖像視頻質量評價方法
- 項目負責人：許倩倩
- 項目類別：青年科學基金項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
圖像視頻質量評價是多媒體分析領域的核心研究之一，其在採集、顯示、存儲、傳輸、壓縮等領域都發揮著重要作用。由於傳統實驗室環境下的主觀測試代價昂貴，網路眾包因其具有成本低、參與人員廣泛、數據量大等優點，提供了大數據時代下通過群體來完成主觀評測的新途徑。鑒於此，本項目採用網路眾包收集比對數據，考慮到比對測試法存在樣本組合數據量過大的問題，本項目從基於隨機圖的採樣方法入手，利用拓撲約束得到採樣率的下界，並在此基礎上研究稀疏採樣條件下隨機採樣和主動採樣的性能差異。考慮到網路眾包收集的數據具有不完全、不均衡、線上收集的特點，本項目引入幾何拓撲學中的組合Hodge理論構建重建被測函式，並在此基礎上發展線上、快速的評價方法，為網路眾包實驗中遇到的動態序列數據提供高效的處理手段。此外，考慮到測試者是在無監督環境下進行測試，數據質量有很大的不確定性，本項目提出基於Huber-LASSO的去除異常樣本的方法。
結題摘要
近年來，隨著一些外包平台的出現，如：Amazon Mechanical Turk (MTurk)， CrowdFlower, Innocentive, Allourideas, CrowdRank等，越來越多的研究者把主觀評測任務放到網上讓大眾來共同完成，即網路眾包（Crowdsourcing） 技術。與傳統的外包技術不同，網路眾包是把任務外包給網路上不確定的個體，比傳統的實驗室測試成本要低。因而，最近一些研究者通過網路眾包做些與圖像標註、檔案關聯、文檔評估、情感挖掘、以及圖像視頻質量評價等方面相關的測試。在眾多的主觀評價測試方法中，成對比較法被認為是可信度較高的一種，因此本項目採用成對比較法進行測試。然而，考慮到網路眾包下測試者是在無監督環境下進行測試，測試流程難以控制，本項目從基於隨機圖的採樣機制入手，系統研究了Erdös-Rényi隨機圖、隨機正則圖和Preferential Attachment隨機圖三種隨機圖指導下的採樣機制。實驗結果表明這三種隨機圖指導下的採樣模式都沒有降低評價的準確率因而都很有套用前景。具體地，由於隨機正則圖固有的均衡屬性，在採樣率比較低的時候，它的實驗性能要優於Erdos-Renyi隨機圖。但是，隨著採樣率的增加或待測對象數量的增加，它們的實驗性能越來越接近，使得Erdos-Renyi隨機圖這種基於I.I.D.（獨立同分布）的採樣模式幾乎可以逼近隸屬於依賴型採樣的隨機正則圖的實驗結果。此外，由於preferential attachment隨機圖具有“Rich-get-Richer”屬性，使得它在得到top-k的排序時更具優勢。第二，基於代數連通性，我們成功提出了一種效率更高的混合採樣模式，初期採用貪婪採樣後期採用隨機無放回採樣。第三，針對網路眾包收集到的動態流數據，我們提出了一種基於隨機梯度下降的線上算法，它不但效率高，而且能和批量HodgeRank的性能接近。通過這個方法，我們還可以實時跟蹤圖的拓撲結構變化和每個時刻不一致程度的值。最後，我們提出了一種基於Huber-LASSO的進行統計抑噪的方法從而得到更加魯棒的結果。在此基礎上，我們還提出了一種基於Linearized Bregman Iteration的異常樣本檢測方法，與LASSO相比，該方法更加簡單、快速、無偏差，因而適合大數據。總之，本項目中我們所提出的方法在仿真和真實
