基于组合地图模型的图像检索算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61300071
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    王涛
  • 依托单位：
    北京交通大学
  • 学科分类：
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份：
    2016
  • 批准年份：
    2013
  • 项目状态：
    已结题
  • 起止时间：
    2014-01-01 至2016-12-31

项目摘要

The research of image retrieval based on objects semantic is an important issue in the area of image processing. One of the most important and fundamental problem in this issue is how to describe the objects semantic and spatial relationships. We will introduce the theory of combinatorial map into image representation and retrieval in this study, and build a model based on combinatorial maps to describe the objects semantic and spatial relationships in images.We aim to build an image retrieval system based on objects semantic with the help of the theory of vision recognition and topological invariancy. The research topics include: (1)The image representations based on combinatorial maps, how to describe object semantic and spatial relationships in images. (2)The combinatorial map matching problem, how to accurately measure the similarity of images represented by combinatorial maps. (3)The problem of auto objects semantic tagging of images, how to utilize multi-learning strategy to improve the performance of auto objects semantic tagging. The characteristics of this study are: (1)We introduce the theory of combinatorial map into representation and retrieval of mass images, which provides a theoretical basis for improving the method of image representation and enhancing the performance of image retrieval. (2)We introduce the theory of topological invariancy and sparse representation into hierarchical image semantic understanding.
基于对象层语义的图像检索是当前图像处理领域的一个研究热点，其中最核心的问题是如何表示图像中的对象语义及空间关系。本项目将组合地图理论引入图像表示和检索，建立基于组合地图的对象语义及空间关系表示模型，研究目标是基于视觉认知理论和拓扑不变性理论实现对象层语义的图像检索。主要内容包括：(1)基于组合地图的图像表示方法，如何利用组合地图表示对象语义及空间关系；(2)组合地图匹配算法，研究如何准确度量图像的相似性；(3)对象级图像语义自动标注问题，研究如何采用多种学习策略相融合以改善对象级语义的标注性能。本项目的特色是：(1)以海量图像为研究对象，基于组合地图理论实现图像语义的表示和检索，为从理论上改进图像表示方法、提高图像检索性能提供了基础；(2)将拓扑不变性理论、稀疏表示理论有机地融入到图像层次化语义理解中。

结项摘要

本课题的研究目标是基于组合地图模型的图像匹配和检索。 课题组成员围绕着既定的研究目标，经过三年的研究工作，取得了一系列的研究成果。代表性的研究内.容包括：1）提出了一种基于联树的组合地图相似性度量方法；2）提出了一种基于自适应路径估计的图匹配快速算法；3）提出了一种视觉对称性敏感的图像匹配算法；4）提出了一种基于视知觉的自适应多标签排序算法；5）提出了一种基于多任务低秩矩阵分解的图像显著性分析算法；6）提出了基于组合地图模型的目标跟踪算法和隐私保护算法。.在本课题的资助下，项目组成员取得了如下的研究成果：.1）在Pattern Recognition, IEEE Trans on Image Processing, IEEE Trans on Neural Networks and Learning Systems, Neurocomputing等国际知名学术期刊上发表SCI论文7篇；.2） 在领域内顶级国际学术会议AAAI, ECCV及其他知名国际会议上共发表国际学术会议论文6篇；.3）申请发明专利4项，软件著作权6项；.4） 包括项目负责人在内的3名青年教师成功晋升副教授，培养硕士研究生5名。

项目成果

期刊论文数量（7）
专著数量（0）
科研奖励数量（0）
会议论文数量（6）
专利数量（0）
An error-tolerant approximate matching algorithm for labeled combinatorial
一种带标签组合的容错近似匹配算法
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Tao Wang;Hua Yang;Congyan Lang;Songhe Feng
  • 通讯作者：
    Songhe Feng
Summarizing Personal Dataspace Based on User Interests
根据用户兴趣总结个人数据空间
  • DOI：
    10.1142/s0218194016500224
  • 发表时间：
    2016
  • 期刊：
    International Journal of Software Engineering and Knowledge Engineering
  • 影响因子：
    0.9
  • 作者：
    Wang Ning;Tian Tian
  • 通讯作者：
    Tian Tian
Dual Low-Rank Pursuit: Learning Salient Features for Saliency Detection
对偶低秩追踪：学习显着特征以进行显着性检测
  • DOI：
    10.1109/tnnls.2015.2513393
  • 发表时间：
    2016-03
  • 期刊：
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子：
    10.4
  • 作者：
    Lang Congyan;Feng Jiashi;Feng Songhe;Wang Jingdong;Yan Shuicheng
  • 通讯作者：
    Yan Shuicheng

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

子结构试验的多自由度力-位移混合控制方法研究
  • DOI：
    10.16385/j.cnki.issn.1004-4523.2020.01.019
  • 发表时间：
    2020
  • 期刊：
    振动工程学报
  • 影响因子：
    --
  • 作者：
    周惠蒙;李梦宁;王涛
  • 通讯作者：
    王涛
188Re标记纳米颗粒BaGdF5-PEG抑制肝癌细胞增殖及兔模型SPECT显像
  • DOI：
    10.3760/cma.j.issn.2095-2848.2018.11.003
  • 发表时间：
    2018
  • 期刊：
    中华核医学与分子影像杂志
  • 影响因子：
    --
  • 作者：
    王涛;彭烨;李潇;贾国荣;王秋虎;程超;孙高峰;左长京
  • 通讯作者：
    左长京
Introducing Aggregation-Induced Emission to Students by Visual Techniques Demonstrating Micelle Formation with Thin-Layer Chromatography
通过视觉技术向学生介绍聚集诱导发射，用薄层色谱法演示胶束形成
  • DOI：
    10.1021/acs.jchemed.9b00552
  • 发表时间：
    2020-01
  • 期刊：
    Journal of Chemical Education
  • 影响因子：
    3
  • 作者：
    王涛;尹伟东;张少雄;李兆;张生俊;张博;马恒昌
  • 通讯作者：
    马恒昌
基于行为的非合作目标多航天器编队轨迹规划
  • DOI：
    10.16708/j.cnki.1000-758x.2017.0006
  • 发表时间：
    2017
  • 期刊：
    中国空间科学技术
  • 影响因子：
    --
  • 作者：
    王涛;许永生;张迎春;谢成清
  • 通讯作者：
    谢成清
知识链关系治理机制及其对组织合作绩效影响
  • DOI：
    10.19571/j.cnki.1000-2995.2018.10.014
  • 发表时间：
    2018
  • 期刊：
    科研管理
  • 影响因子：
    --
  • 作者：
    胡园园;顾新;王涛
  • 通讯作者：
    王涛

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

王涛的其他基金

可信赖异质图神经网络研究
  • 批准号：
    62376020
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
强辐射-低温耦合下橡胶沥青组分变化特征与抗裂机理研究
  • 批准号：
    52108392
  • 批准年份：
    2021
  • 资助金额：
    30 万元
  • 项目类别：
    青年科学基金项目
面向关系推理的图神经网络关键问题研究
  • 批准号：
    62076021
  • 批准年份：
    2020
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
基于多模态超图的社群图像检索研究
  • 批准号：
    61673048
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目

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