《面向不完整信息的多視圖數據表示、恢復與學習》是依託南京師範大學，由楊琬琪擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向不完整信息的多視圖數據表示、恢復與學習
- 項目類別：青年科學基金項目
- 項目負責人：楊琬琪
- 依託單位：南京師範大學
項目摘要,結題摘要,
項目摘要
在實際套用中，多視圖數據缺失不可避免。而已有的多視圖學習方法很少考慮多視圖數據缺失的情況，因而針對信息不完整的多視圖數據分析是學術研究和實際套用中所要面對的挑戰問題。本項目從數據恢復、結構恢復以及數據不恢復三個角度出發，深入研究面向不完整信息的多視圖數據表示、恢復與學習，結合多視圖學習、稀疏低秩學習、結構預測、隨機最佳化、並行計算等理論結果，（1）針對部分數值缺失的多視圖缺失恢復問題，研究基於聯合恢復的多視圖缺失魯棒表示；（2）針對部分視圖缺失的跨視圖結構預測問題，研究基於結構關聯的跨視圖缺失結構預測；（3）針對不完整多視圖的維度約簡問題，研究自適應的不完整多視圖線上子空間學習。本項目將上述研究方法在大規模圖像與視頻分析中進行套用驗證。本項目預期在國際重要學術期刊 IEEE TPAMI、IEEE TIP等，以及國際重要學術會議CVPR、ICML等上發表文章 6-8 篇，申報專利3項。
zhua曲子白渡白顆
結題摘要
在實際套用中，多視圖數據缺失不可避免。而已有的多視圖學習方法很少考慮多視圖數據缺失的情況，因而針對信息不完整的多視圖數據分析是學術研究和實際套用中所要面對的挑戰問題。本項目圍繞不完整多視圖學習理論與方法進行深入探討，創新性地提出了一種基於稀疏低秩表示的缺失樣本魯棒恢複方法、一種基於組結構的多視圖線上子空間學習方法、一種基於間隔的跨模態度量學習方法、以及一種強模態漸進引導下的跨模態級聯遷移學習分割模型等一系列方法。同時，所提方法在大規模自然圖像與醫學圖像分析套用領域（如多角度行為識別、異構人臉識別、目標跟蹤、多模態腦疾病輔助診斷、影像學圖像分割等）得到有效驗證。圍繞相應理論與技術，在重要國際學術會議和期刊（如 TNNLS, TCYB, JBHI, IJCAI, MICCAI等）上共發表期刊論文 7 篇和會議論文 4 篇，其中 SCI 收錄 5 篇、EI 收錄 10 篇、中科院一區 3 篇二區 1 篇、CCF-A/B 推薦文章 3 篇；培養博士後 1 名，聯合培養博士研究生 1 名，培養碩士研究生 3 名；申請發明專利 3 項，獲得軟體著作權 2 項。此外，項目負責人獲得2018年度江蘇省科學技術二等獎（第四完成人）。
