《深度學習理論及在圖像識別中的套用研究》是依託北京交通大學，由黃雅平擔任項目負責人的面上項目。
基本介紹
- 中文名：深度學習理論及在圖像識別中的套用研究
- 項目類別：面上項目
- 項目負責人：黃雅平
- 依託單位：北京交通大學
項目摘要,結題摘要,
項目摘要
深度學習（Deep Learning）理論是機器學習領域的研究熱點，其核心思想在於建立一種具有多層次結構、非線性特性的學習模型。與傳統的淺模型（Shallow Model）相比，它能夠學習複雜變化的特徵，推廣能力強，有望解決Transfer Learning等人工智慧領域的根本性問題。但是，深度學習理論及算法複雜度較高，並且在圖像識別等視覺任務中，與淺模型相比，性能並不突出。因此，本項目從圖像識別任務出發，擬深入探索深度學習理論，主要研究：(1)、在生物視覺信息處理機制的啟發下，構建符合人類感知系統的深度學習模型，並研究快速收斂算法；(2)、提出具有超完備能力的快速學習算法，解決小樣本學習的難題；(3)、將深度學習模型套用到大規模的圖像識別任務中，研究半監督學習算法從而提高性能；(4)、針對基於視頻的圖像識別任務，引入時間相干性準則，研究視頻數據的深度學習算法，爭取取得實際套用成果。
結題摘要
深度學習理論是機器學習領域的研究熱點，其核心思想在於建立一種具有多層次結構、非線性特性的學習模型。與傳統的淺模型相比，它能夠學習複雜變化的特徵，推廣能力強，具有很好的特徵表達能力。本項目的研究目標是在深度學習理論算法和套用層面展開深入研究。以計算機視覺領域的圖像識別任務為套用目標，在生物視覺處理機制的啟發下，建立更符合人類感知系統的深度學習模型，並給出有效的學習算法。並在提出的理論算法基礎上，面向實際的視覺檢測等任務取得較好的套用成果。 課題在四年的執行期內，針對研究內容進行了深入探索，取得了一些重要的理論研究成果，並成功地套用到了基於視覺的鐵路安全檢測任務中，取得了很好的套用前景，項目按照計畫順利完成。發表了研究論文21篇，包括國際期刊8篇（IEEE Signal Processing Letters、The Visual Computer、BMC Neuroscience等），國際會議4篇（ICME 2013、Cyberworlds 2013、ITSC 2014等），國內學報9篇（軟體學報、計算機研究與發展、光學學報等）。其中，SCI檢索論文8篇，EI檢索期刊論文4篇。培養了博士生4名，碩士生7名。
