复杂多义性通用目标分类及其应用系统研究

由于通用目标之间存在复杂和多义性，所以通用目标分类技术，尤其是大类别的目标分类技术是计算机视觉领域中的一个重要且难解决的研究课题。本项目提出并尝试性地研究整套复杂通用目标分类技术的解决方案。主要研究内容包括：（1）研究通用目标提取技术，简化后续通用目标分类的复杂和多义性。（2）研究低级特征的融合，结合SIFT框架构建各种低级特征的核融合方法。（3）研究机器学习理论和通用目标分类技术的结合。利用多示例多标注学习理论来模拟机器对通用目标的认知；结合流形学习思想建立二级分类和半监督学习机制；分析张量学习解决通用目标分类问题的可能性。（4）研究目标和场景之间的联系，建立融合场景信息的通用目标分类学习机制。项目将在相关的研究工作基础上，最终建立一套图像自动标注和具有语义的图像检索系统，以系统平台的方式来验证各项研究成果。

随着图像数据爆炸性的增长，根据图像内容进行语义标注或图像类别的分类（其中包括场景分类、通用目标分类）将变得日益重要，只有这样，才能支持大规模的图像数据库的查询和检索。本基金就是基于此进行复杂多义性通用目标分类及其应用系统的研究。本研究主要研究内容包括：1）研究深度学习、流型学习和稀疏表征的机器学习理论2）研究通用图像的普适特征提取，特征表征及特征的融合。（3）研究机器学习理论和通用目标分类技术的结合。（4）研究目标和场景之间的联系。5)建立融合场景信息的通用目标分类学习机制。目前研究成果有：3篇sci期刊论文，1篇EI期刊论文，3篇国际会议论文，3篇国内会议论文，申请8项发明专利，其中授权2项发明专利。