基于组合Hodge理论的图像视频质量评价方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61402019
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    10.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2015
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2015-12-31

项目摘要

Image/video quality assessment lies in the core topics in multimedia analysis community, and plays an important role in a broad range of applications, e.g. collection, display, storage, transmission, compression, etc. With the advent of ubiquitous Internet access, crowdsourcing strategy provides us a new opportunity to conduct user studies from an Internet crowd in Big Data era. Since such a crowd can be quite large, crowdsourcing enables researchers to conduct experiments with a more diverse set of participants at a lower economic cost than would be impossible under laboratory conditions. Among various subjective measures, paired comparison method is expected to yield more reliable results and thus a desired approach to collect crowd data via Internet. However, paired comparison leaves a heavier burden on participants with a larger number of comparisons. Therefore, we exploit a randomized sampling scheme based on random graph theory where small subsets of all possible pairs are randomly chosen for each assessor to view. Equipped with recent developments in random complex theory, we further derive the constraints on sampling complexity (i.e., O(nlogn) distinct random edges are necessary to ensure the inference of a global ranking and O(n^2/3) distinct random edges are sufficient to remove the global inconsistency). Based on this, we then make a comprehensive analysis of the performance between random sampling and active sampling in sparse sampling case. Moreover, to deal with possibly incomplete and imbalanced data emerged from random sampling, we introduce a unified statistical reconstruction methodology, based on Hodge Theoretical approach to statistical ranking. Then extend it to an effective online setting considering the streaming and dynamic attributes of the data in crowdsourceable scenarios. Additionally, since participants perform experiments without supervision, the quality of the data we collected is not all trustworthy. We therefore attempt to establish a Huber-LASSO-based method for outlier detection in this project.
图像视频质量评价是多媒体分析领域的核心研究之一,其在采集、显示、存储、传输、压缩等领域都发挥着重要作用。由于传统实验室环境下的主观测试代价昂贵,网络众包因其具有成本低、参与人员广泛、数据量大等优点,提供了大数据时代下通过群体来完成主观评测的新途径。鉴于此,本项目采用网络众包收集比对数据,考虑到比对测试法存在样本组合数据量过大的问题,本项目从基于随机图的采样方法入手,利用拓扑约束得到采样率的下界,并在此基础上研究稀疏采样条件下随机采样和主动采样的性能差异。考虑到网络众包收集的数据具有不完全、不均衡、在线收集的特点,本项目引入几何拓扑学中的组合Hodge理论构建重建被测函数,并在此基础上发展在线、快速的评价方法,为网络众包实验中遇到的动态序列数据提供高效的处理手段。此外,考虑到测试者是在无监督环境下进行测试,数据质量有很大的不确定性,本项目提出基于Huber-LASSO的去除异常样本的方法。

结项摘要

近年来,随着一些外包平台的出现,如:Amazon Mechanical Turk (MTurk), CrowdFlower, Innocentive, Allourideas, CrowdRank等,越来越多的研究者把主观评测任务放到网上让大众来共同完成,即网络众包(Crowdsourcing) 技术。与传统的外包技术不同,网络众包是把任务外包给网络上不确定的个体,比传统的实验室测试成本要低。因而,最近一些研究者通过网络众包做些与图像标注、文件关联、文档评估、情感挖掘、以及图像视频质量评价等方面相关的测试。在众多的主观评价测试方法中,成对比较法被认为是可信度较高的一种,因此本项目采用成对比较法进行测试。然而,考虑到网络众包下测试者是在无监督环境下进行测试,测试流程难以控制,本项目从基于随机图的采样机制入手,系统研究了Erdös-Rényi随机图、随机正则图和Preferential Attachment随机图三种随机图指导下的采样机制。实验结果表明这三种随机图指导下的采样模式都没有降低评价的准确率因而都很有应用前景。具体地,由于随机正则图固有的均衡属性,在采样率比较低的时候,它的实验性能要优于Erdos-Renyi随机图。但是,随着采样率的增加或待测对象数量的增加,它们的实验性能越来越接近,使得Erdos-Renyi随机图这种基于I.I.D.(独立同分布)的采样模式几乎可以逼近隶属于依赖型采样的随机正则图的实验结果。此外,由于preferential attachment随机图具有“Rich-get-Richer”属性,使得它在得到top-k的排序时更具优势。第二,基于代数连通性,我们成功提出了一种效率更高的混合采样模式,初期采用贪婪采样后期采用随机无放回采样。第三,针对网络众包收集到的动态流数据,我们提出了一种基于随机梯度下降的在线算法,它不但效率高,而且能和批量HodgeRank的性能接近。通过这个方法,我们还可以实时跟踪图的拓扑结构变化和每个时刻不一致程度的值。最后,我们提出了一种基于Huber-LASSO的进行统计抑噪的方法从而得到更加鲁棒的结果。在此基础上,我们还提出了一种基于Linearized Bregman Iteration的异常样本检测方法,与LASSO相比,该方法更加简单、快速、无偏差,因而适合大数据。总之,本项目中我们所提出的方法在仿真和真实

项目成果

期刊论文数量(1)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
Robust Subjective Visual Property Prediction from Crowdsourced Pairwise Labels
根据众包成对标签进行稳健的主观视觉属性预测
  • DOI:
    10.1109/tpami.2015.2456887
  • 发表时间:
    2016-03-01
  • 期刊:
    IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE
  • 影响因子:
    23.6
  • 作者:
    Fu, Yanwei;Hospedales, Timothy M.;Yao, Yuan
  • 通讯作者:
    Yao, Yuan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

不同提取方法对小鼠海马AD相关蛋白电泳的影响
  • DOI:
    10.16557/j.cnki.1000-7547.2018.04.013
  • 发表时间:
    2018
  • 期刊:
    神经解剖学杂志
  • 影响因子:
    --
  • 作者:
    许倩倩;滕夏虹;郝彦利;邹春林
  • 通讯作者:
    邹春林
Y对Cu-Cr-Zr合金高温热变形行为的影响
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    材料热处理学报
  • 影响因子:
    --
  • 作者:
    李瑞卿;田保红;张毅;许倩倩;刘勇
  • 通讯作者:
    刘勇
土木香内酯对肺癌A549细胞的抑制作用及其机制研究
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    中 华 中 医 药 学 刊
  • 影响因子:
    --
  • 作者:
    许倩倩;柴森茂;徐红霞;谢丽霞;孙晓东
  • 通讯作者:
    孙晓东
酵母脂肪酶酶促合成虾青素琥珀酸酯及优化
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    化工学报
  • 影响因子:
    --
  • 作者:
    尹春华;韩烨;吕乐;许倩倩;闫海
  • 通讯作者:
    闫海
微囊藻毒素微生物降解途径与分子机制研究进展
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    环境科学
  • 影响因子:
    --
  • 作者:
    尹春华;许倩倩;吕乐;马万彪
  • 通讯作者:
    马万彪

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码