融合稀疏表示與深度學習的圖像分類技術研究

《融合稀疏表示與深度學習的圖像分類技術研究》是依託中國科學院大學，由張淳傑擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：融合稀疏表示與深度學習的圖像分類技術研究
• 項目類別：青年科學基金項目
• 項目負責人：張淳傑
• 依託單位：中國科學院大學

項目摘要

作為計算機視覺領域的一個基本問題，圖像分類吸引了越來越多的研究人員的興趣。近年來，基於稀疏表示、深度學習的方法在圖像分類中獲得了廣泛的套用。但是，現有的研究方法相對獨立，缺乏二者的有機結合。本項目旨在研究融合稀疏表示和深度分析的圖像分類技術，並針對其中的關鍵科學問題展開深入探討。主要研究內容包括：在稀疏層疊約束的限制波爾茲曼機中組合空間信息和結構信息，並與局部特徵的提取、編碼有機結合，從而得到更有代表性和判別力的圖像表示；對最小化重構誤差的視覺詞典生成方法進行改進，提出一種魯棒的空間視覺詞典生成方法，抑制噪聲干擾，提高圖像分類效果；在局部特徵編碼時，考慮局部特徵相似性和非負層次稀疏編碼一致性的關係，以減小編碼損失，更大程度上保持局部特徵的判別信息；將稀疏層次反卷積網路與視覺詞典生成、局部特徵編碼和分類器設計有機結合，達到統一、有效地進行圖像分類的目的。

結題摘要

近年來，基於稀疏表示、深度學習的方法在圖像分類中獲得了廣泛的套用。但是，現有的研究方法相對獨立，缺乏二者的有機結合。本項目主要研究內容包括：在稀疏層疊約束的限制波爾茲曼機中組合空間信息和結構信息，並與局部特徵的提取、編碼有機結合，從而得到更有代表性和判別力的圖像表示；對最小化重構誤差的視覺詞典生成方法進行改進，提出一種魯棒的空間視覺詞典生成方法，抑制噪聲干擾，提高圖像分類效果；在局部特徵編碼時，考慮局部特徵相似性和非負層次稀疏編碼一致性的關係，以減小編碼損失，更大程度上保持局部特徵的判別信息；將稀疏層次反卷積網路與視覺詞典生成、局部特徵編碼和分類器設計有機結合，達到統一、有效地進行圖像分類的目的。本項目在執行期間系統研究了基於稀疏表示和深度學習的圖像分類方法,取得了良好的相關成果.總計發表論文20餘篇.培養博士研究生1名,碩士研究生6名.對於相關問題的研究揭示了稀疏表示和深度學習技術在圖像分類中的套用方法.對於後續的研究也起到了一定的啟發作用.