《針對視覺映射的魯棒混合回歸模型研究》是依託電子科技大學,由潘力立擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名:針對視覺映射的魯棒混合回歸模型研究
- 依託單位:電子科技大學
- 項目類別:青年科學基金項目
- 項目負責人:潘力立
項目摘要,結題摘要,
項目摘要
視覺映射是一種通過學習輸入圖像特徵和輸出變數之間映射函式來估計新樣本目標輸出值的技術。作為計算機視覺研究領域的一個重要分支,該技術已被廣泛套用於汽車輔助駕駛、智慧型人機接口以及安防等多個產業。混合回歸模型近年來被證明為解決視覺映射問題最好的理論模型之一,然而已有模型依然存在一些瓶頸性問題。本項目旨在突破上述瓶頸性問題,擬在如何提高模型魯棒性,避免局部最優解,應對高維目標輸出以及如何選擇有效特徵等四個方面展開研究工作,進而提高現有混合回歸模型在視覺映射套用中的魯棒性和準確性。本項目的研究意義在於兩方面:一方面,它將從理論上克服已有混合回歸模型的缺陷,完善了其在建模方面的不足;另一方面,它將通過理論上的進步推動混合回歸模型在各類視覺映射問題中的套用,進一步促進視覺映射相關產業的發展。
結題摘要
視覺映射是計算機視覺研究的一個重要問題,混合回歸是解決這一類問題的主要方法。針對現有混合回歸模型解決視覺映射問題的缺陷,課題組主要從基於關聯性分析的混合回歸模型、基於特徵選擇的混合回歸模型、混合回歸全局解的求解和基於隱空間的混合回歸模型四個方面展開研究。 (1)基於關聯性分析的混合回歸模型方面,通過定義子回歸器之間的關聯性,建立了帶相關性約束的混合關聯回歸模型和混合組回歸模型,實現了更為準確和魯棒的視覺映射,其映射估計效果達到淺層回歸模型中的最佳。 (2)基於特徵選擇的混合回歸模型方面,通過利用l1範數和l2-1範數,建立了針對單個子回歸器的特徵選擇混合回歸模型和針對相關回歸器的相似特徵選擇混合回歸模型,在某些套用中克服了傳統數據降維方法的缺陷。 (3)混合回歸全局解的求解方面,通過建立成對樣本關聯性模型,提出利用二次規劃方法求解模型的全局最優解。 (4)針對隱空間的混合回歸模型方面,通過人工定義隱空間(二值屬性特徵),建立從輸入特徵到隱空間再到目標輸出的視覺映射模型,有效提高了現有模型的準確性和魯棒性。另外,項目利用目標輸出構建局部子空間的分析方法,也較好地解決了人體姿態估計等複雜的視覺映射問題。 綜上所述,本項目共發表論文8篇,其中SCI論文7篇,包括PR,ICIP等高水平期刊和會議,申請國家發明專利9項。這些研究成果解決了基於混合回歸的視覺映射的核心問題,體現了較高的理論和套用價值。