視覺大數據全效處理體系關鍵技術研究

《視覺大數據全效處理體系關鍵技術研究》是依託電子科技大學,由董樂擔任醒目負責人的面上項目。

基本介紹

• 中文名：視覺大數據全效處理體系關鍵技術研究
• 依託單位：電子科技大學
• 項目類別：面上項目
• 項目負責人：董樂

項目摘要

本課題擬建立一個複雜環境下視覺大數據的全新效能處理體系框架，即雲圖架構。該架構為視覺大數據設計高效描述、存儲、調度和融合方法；對視覺大數據協同選取有價值超維特徵，以避免複雜環境干擾；對視覺大數據的海量超維數據樣本採用基於隨機統計的弱監督方法實現大量分類器的並行訓練並進行仿生自主學習，以解決大規模數據集在視覺中的套用瓶頸問題，並運用新型超圖結構實現海量超維特徵匹配以滿足實時性要求。課題擬圍繞視覺大數據全效表達方法、超維價值特徵協同選取、視覺大數據的效能仿生自主學習、超維聚類和超維匹配統一框架體系等核心內容，主要研究視覺大數據的計算理論與算法，建立複雜環境下視覺大數據的新型處理模型。本課題擬闡明複雜環境下視覺大數據的全效表達機制，為超維信息挖掘和探索提供新型信息載體；擬揭示視覺大數據超維信息挖掘和探索規律，為視覺大數據提供在多領域進行計算複雜度和精準度的平衡性驗證的思路。

結題摘要

本項目擬建立一個複雜環境下視覺大數據的全新效能處理體系框架，即雲圖架構。項目圍繞視覺大數據全效表達方法、超維價值特徵協同選取、視覺大數據的效能仿生自主學習、超維聚類和超維匹配統一框架體系等核心內容，主要研究視覺大數據的計算理論與算法，建立複雜環境下視覺大數據的新型處理模型。本項目闡明了複雜環境下視覺大數據的全效表達機制，為超維信息挖掘和探索提供新型信息載體；揭示了視覺大數據超維信息挖掘和探索規律，為視覺大數據提供在多領域進行計算複雜度和精準度的平衡性驗證的思路。 對於視覺大數據的深度和廣度挖掘研究，為應對圖像處理領域中需要處理海量數據所產生的大量時間成本的問題，提出了一種能夠高效的處理海量圖像的新型框架，我們採用並行化的思想，並將其部署在分散式系統上，最終成功提高了特徵選取的效率。 對於複雜環境下視覺大數據有價值超維結構化特徵的協同選取方法研究，提出了一種基於聚類的距離方向直方圖的海量圖像檢索系統。該系統能有效的減少特徵的存儲空間，提高檢索準確率，獲得更好的可擴展性。 對於視覺大數據的仿生自主學習模式和面向協同選取的超維價值設計的大量分類器並行訓練時對隨機弱監督方法的最佳化研究，提出了一種基於簡潔非監督式卷積網路的圖像分類系統，與傳統的深度卷積神經網路模型相比，學習過程極其簡潔，摒棄了成千上萬的參數初始化和調優，同時解決了傳統卷積網路必須使用帶標籤圖像的瓶頸。 在視覺大數據超維信息挖掘的過程中，提出了一種用於二維圖像中進行人體姿勢估計的深度學習模框架，該框架著重從全局探究人體姿勢與圖片信息之間的內在聯繫。在視覺大數據超維信息的探索過程中，為了克服傳統圖像分割方法由於分割後的圖像區域之間關聯性不強所引起的人類感知偏差的不足，提出了一種基於隱式語義推理的自然圖像分割方法，這對圖像的人類感知理解有很大意義。