《整合自上而下和自下而上處理機制的場景解析》是依託華中科技大學,由高常鑫擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:整合自上而下和自下而上處理機制的場景解析
- 項目類別:青年科學基金項目
- 項目負責人:高常鑫
- 依託單位:華中科技大學
中文摘要,結題摘要,
中文摘要
針對自然場景圖像理解問題,本課題提出一種整合自上而下和自下而上處理機制的場景圖像解析模型。借鑑人類視覺認知原理,將自上而下的反饋機制引入分層的條件隨機場模型中,通過建立雙向(自上而下和自下而上)的特徵表征即特徵上下文關係模型,實現了自上而下反饋和和自下而上前饋處理機制的整合,並通過提取大範圍、多層次的特徵關係,建立了更加豐富的特徵關係模型,從而獲得更有效、更可靠的場景解析性能。為了建立相應的快速算法,通過兩種措施提高模型的計算效率:(1)通過特徵共享,並利用分層結構中共享的繼承特點,減少特徵計算量;(2)通過自上而下的指導,去除任務無關信息,將計算資源集中到任務相關的處理上。本課題通過對場景的語義理解縮短了圖像低層視覺特徵和高層語義特徵之間的“語義鴻溝”距離,對計算機視覺和認知科學的研究都具有一定的促進作用,實現了人類視覺的某些感知功能,同時為認知科學的研究提供了一定的指導。
結題摘要
本項目圍繞自然場景圖像理解領域前沿發展動態,著重研究場景圖像的語義分割問題,以及場景中重要目標的檢測識別算法進行了深入研究,包括: (1)隨著全卷積網路(FCN)的提出,目前基於深度網路的場景圖像標註的算法框架已經基本形成。以FCN為基本框架,提出同時考慮類內和類間的問題的語義分割方法,提取出具有判別力的特徵,提高語義分割性能。 (2)針對自然場景圖像分類,提出一種新的圖像表征方法GOC(梯度方向一致性),以及基於空間多尺度GOC直方圖的圖像表征方法,在場景分類中取得了很好的效果。 (3)針對顯著性模型沒有考慮感知組織的問題,根據感官提升理論和格式塔組織規則,提出一種目標顯著性建模方法,在格式塔線索上傳播目標顯著性。針對有效地融合多種視覺線索的問題,提出了一種基於交叉擴散過程的顯著物體檢測方法,考慮不同線索間的影響,從而解決單個線索帶來的噪聲問題,提高算法性能。 (4)針對實際套用中大量的圖像標註樣本是非常困難的難題,研究基於係數表達的半監督學習方法,通過建立更好的、可以描述數據間關係的圖模型,實現同時利用標註信息和未標註信息來輔助圖像分類,提高分類性能。 (5)場景文字信息對場景理解有重要作用,為此,研究場景中的文字檢測方法。提出利用上下文信息提高文字檢測的準確性,採用一種分層表達的結構用於文字檢測,包括底層的紋理特徵、中層圖像塊特徵以及上下文信息;提出了一種基於置信度圖和上下文信息的自然場景文字檢測方法,通過整合候選的表觀特徵以及它們之間的連線關係建立一個置信度圖模型,使得目標從背景中凸顯出來。 (6)在自然場景解析中,除文字外其他目標也有非常重要的作用,研究基於中層語義部件的目標檢測方法。提出基於中層語義部件的廣義Hough變換方法;提出一種基於多組件和中層語義部件的混合模型的自然場景目標檢測方法;提出了一種基於中層部件檢測器的目標檢測方法。