基于图的增量半监督图像目标分类与识别

本项目针对目前图像目标分类与识别研究中三个难点：无类标图像目标分类、图像目标高层结构信息提取与分析、以及增量图像目标分析，提出解决在线图像和网络无类标图像目标分类与识别的新方法。本项目首先通过对图谱理论的研究，提出基于图像内容的高层结构匹配模型，用以计算基于高层结构的图像相似度，并以此为基础构建基于图的半监督学习初始结构图。同时通过对图谱理论和局部结构图更新的研究，提出基于图的增量半监督图像分类方法。然后利用半监督图像分类结果构建具有增量学习能力且蕴含图像目标高层结构信息的物体产生模型，对图像目标进行识别。最后建立增量图像目标分类与识别验证系统。本项目的研究可以为解决网络无类标图像分析、图像高层结构信息提取与分析、以及在线图像分析等问题提供新思路。研究的成果可以提高图像目标分类与识别的准确率与效率，可应用于在线图像、海量网络无类标图像的分析。

本项目重点解决半监督图像目标分类与识别中的基于图像内容的相似度计算、海量图像检索、具有增量学习能力的图像内容产生模型等几个关键问题，通过对半监督学习方法、图谱理论以及增量模型的研究提出了能够利用少量类标增量提取目标高层结构模型、基于匹配的特征筛选、以及基于哈希的海量图像检索的方法，解决了在少量类标情况下高效对图像进行分析的难题。本项目的研究成果为解决网络无类标图像分析、图像高层结构信息提取与分析、以及在线图像分析等难题提供了新的思路。研究的成果提高了图像目标分类与识别的准确率与效率。.受本项目资助，项目组成员共发表论文17篇，包括8篇国际杂志论文和9篇国际会议论文，其中Q1区期刊论文6篇，国际顶级会议论文1篇。发表专著1部，获批专利1项。受此项目资助由项目负责人百晓牵头的“基于图结构的数字媒体分析基础理论和关键技术研究”项目获得了电子学会自然科学一等奖（省部级一等奖）。项目负责人百晓荣获2012年度“教育部新世纪人才”称号和2013年度北京市“青年英才”称号。项目组成员积极开展国际学术交流，有6人次参加国际学术会议，并在多个国际著名会议上做口头报告，邀请国际专家4人次来国内进行合作研究。综上所述，本项目达到了预定研究目标，取得的成果超过了预期成果。