基于模型引导的深度视觉计算模型与方法研究  

作　　者：张凯[1] 任冬伟[1] 刘鹏举[1] 张宏志[1] 林倞[2] 左旺孟[1] 

机构地区：[1]哈尔滨工业大学,黑龙江哈尔滨150001 [2]中山大学,广东广州510275

出　　处：《中国科技成果》2020年第19期52-53,56,共3页China Science and Technology Achievements

基　　金：国家自然科学基金项目:基于正则化子空间学习的图像特征提取方法研究(60902099);舌脉合参中信号和特征的约简与协同分析方法研究(61271093);基于判别学习的图像盲超分辨和盲复原模型及算法研究(61671182);基于舌图像集合的距离度量学习模型及舌象分类方法研究(61471146);面向图像盲超分辨的模块化深度网络建模与学习方法研究(61872118);面向图像盲复原的深度模型与稳健复原方法研究(61801326)的支持。

摘　　要：目前,视觉信息作为大数据中最主要的组成部分,以每天近两万亿GB的数据量急剧增长,因此,感知与识别成为人工智能和深度学习等方向研究中亟待突破的核心问题,是当前国际学术竞争最为激烈的新焦点,且在安全监控、影视特效、无人驾驶和智能相机等诸多行业中存在广泛而巨大的需求.其中,在底层视觉中存在退化模型复杂性、多样性和在高层模态中存在不一致的成本获取/标注成本等问题一直是制约深度视觉学习方向发展的瓶颈之一.为此,该项目在深度学习中结合传统机器学习方法和利用现有知识/模型,发展起一套基于模型引导的深度视觉计算理论体系,并分别在图像去噪、超分辨和去模糊等底层任务及跨模态识别、哈希学习等高层视觉任务中取得了突破性进展,对相关领域的发展起到重要的推动作用.

关 键 词：模型引导 低层视觉 高层模态 传统机器学习方法 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]