基于视感知的图像视频语义获取关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60903141
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    17.0万
  • 负责人：
    施智平
  • 依托单位：
    首都师范大学
  • 学科分类：
    F06.人工智能
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

为了让计算机能够像人一样快速而准确地识别物体理解图像需要借鉴生物视觉系统的信息处理机制。本项目瞄准视觉信息的语义理解这一前沿课题，借鉴生物感知系统的信息处理机制，研究图像视频数据的特征编码和语义获取的新理论和新方法，促进生物视觉和机器视觉的交叉研究。主要研究内容包括：研究基于结构相似度的稀疏编码模型从而提取富含结构信息和语义信息的视觉感知特征，有效支持图像视频的语义获取；深入研究生物视觉识别的特征捆绑计算模型，提出融合多个部位多种特征的物体识别方法；针对图像视频数据在视觉特征空间的复杂分布特性，研究基于粒度空间模型的语义映射方法，提高语义分类准确率；研究自顶向下的上下文提示信息和自底向上的视觉感知驱动相结合的图像视频语义获取方法，有效地缩小语义鸿沟。最后，基于本项目研究成果开发一个图像视频语义标注与检索原型系统。

结项摘要

本项目瞄准视觉信息的语义理解这一前沿课题，借鉴生物感知系统的信息处理机制，研究图像视频数据的特征编码和语义获取的新理论和新方法。.提出了基于结构相似度的稀疏编码模型以及视觉特征提取和表示方法，得到结构信息保持良好的编码特征；提出融合两类线性鉴别分析的方法来提取低维的优化鉴别特征，显著提高图像检索的速度和语义准确率，发表在Multimedia Tools and Application。.提出了图像语义自动标注方法：提出融合语义主题的图像自动标注方法PLSA-FUSION、连续视觉特征的图像语义标注模型GM-PLSA、混合生成式和判别式模型的图像语义标注方法HGDM，实验结果令人鼓舞。成果发表在Journal of Visual Communication and Image Representation、Pattern Recognition Letters等期刊。.基于上下文的物体识别和图像分类方法：基于Bayesian Linking Field 模型的思想提出了一种物体识别方法，可以显著改善图像中的物体识别率。提出结合1阶特征和上下文相关2阶特征的物体识别方法，利用不同特征的共现相关性提高识别准确率，在Google图像集上的实验证明了算法的有效性，成果发表在Visual Computer期刊上；提出基于半监督学习的多标签图像分类算法，学习中考虑类别相关性，提高分类正确率，成果发表在ACM MM10；提出利用稀疏编码和判别测度学习的基于行为的人物识别方法，发表在 ACM MM12。.提出多种新颖的分类和聚类算法，为多媒体语义提取提供理论支持。基于进化规划的FCMBP模糊聚类改进方法(Computers and Mathematics with Applications)；挖掘多个领域之间个性与共性的文本分类方法——协同对偶PLSA (IEEE TKDE)；解决半定义分类问题的无约束生成的主题建模方法(ICDM 2010)；解决多模型合并问题――基于PLSA模型的合并算法(IJCAI2011)；称为ADA的自适应关联分类方法，该方法可以是关联分类器以增量形式进行分类学习(Expert Systems with Applications)。.开发了跨媒体智能检索系统（CMIRS），可以实现对图像视频内容的语义理解、专题生成及检索、实现语义概念与图像、视频的双向检索。

项目成果

期刊论文数量（23）
专著数量（0）
科研奖励数量（0）
会议论文数量（22）
专利数量（0）
A co-boost framework for learning object categories from Google Images with 1st and 2nd order features
用于从 Google 图片中学习具有一阶和二阶特征的对象类别的 co-boost 框架
  • DOI：
    10.1007/s00371-012-0772-2
  • 发表时间：
    2012
  • 期刊：
    Visual Computer
  • 影响因子：
    3.5
  • 作者：
    Liu, Xi;Shi, Zhi-Ping;Shi, Zhong-Zhi
  • 通讯作者：
    Shi, Zhong-Zhi
An improved FCMBP fuzzy clustering method based on evolutionary programming
基于进化规划的改进FCMBP模糊聚类方法
  • DOI：
    10.1016/j.camwa.2010.12.063
  • 发表时间：
    2011-02
  • 期刊：
    Computers & Mathematics with Applications
  • 影响因子：
    --
  • 作者：
    Tan, Qing;He, Qing;Zhao, Weizhong;Shi, Zhongzhi;Lee, E. S.
  • 通讯作者：
    Lee, E. S.
基于内容图像检索中的优化鉴别特征
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机辅助设计与图形学学报
  • 影响因子：
    --
  • 作者：
    施智平;李清勇;赵晓东;何清;史忠植
  • 通讯作者：
    史忠植
An approach for adaptive associative classification
一种自适应关联分类方法
  • DOI：
    10.1016/j.eswa.2011.03.079
  • 发表时间：
    2011-09
  • 期刊：
    Expert Systems with Applications
  • 影响因子：
    8.5
  • 作者：
    Xiaofeng Wang;Kun Yue;WenJia Niu;Zhongzhi Shi
  • 通讯作者：
    Zhongzhi Shi
基于改进局部特征分布的图像分类方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    模式识别与人工智能
  • 影响因子：
    --
  • 作者：
    郭立君;刘曦;赵杰煜;史忠植
  • 通讯作者：
    史忠植

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

基于函数式语义的循环和递归程序结构通用证明技术
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    李希萌;王国辉;张倩颖;施智平;关永
  • 通讯作者：
    关永
基于无监督深度学习的多模态手术轨迹快速分割方法
  • DOI：
    10.13973/j.cnki.robot.180387
  • 发表时间：
    2019
  • 期刊：
    机器人
  • 影响因子：
    --
  • 作者：
    谢劼欣;赵红发;邵振洲;施智平;关永
  • 通讯作者：
    关永
基于多头注意力网络的无监督跨媒体哈希检索
  • DOI：
    10.1360/ssi-2020-0264
  • 发表时间：
    2021-06
  • 期刊：
    中国科学：信息科学
  • 影响因子：
    --
  • 作者：
    李志欣;凌锋;唐振军;马慧芳;施智平
  • 通讯作者：
    施智平
群机器人区域覆盖算法高阶逻辑建模与验证
  • DOI：
    10.20009/j.cnki.21-1106/tp.2021-0576
  • 发表时间：
    2022
  • 期刊：
    小型微型计算机系统
  • 影响因子：
    --
  • 作者：
    尹晓娜;王国辉;施智平;关永;张倩颖;张景芝
  • 通讯作者：
    张景芝
混合生成式和判别式模型的图像自动标注
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    中国图象图形学报
  • 影响因子：
    --
  • 作者：
    李志欣;施智平;张灿龙;王金艳
  • 通讯作者：
    王金艳

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

施智平的其他基金

量子信息理论的高阶逻辑形式化及其在量子通信系统验证中的应用
  • 批准号：
    62372312
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
拉格朗日动力学形式化及其在机器人验证中的应用
  • 批准号：
    61876111
  • 批准年份：
    2018
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
机器人运动学形式化分析及其算法验证
  • 批准号：
    61472468
  • 批准年份：
    2014
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
希尔伯特空间以及矩阵理论在HOL4中的形式化
  • 批准号：
    61170304
  • 批准年份：
    2011
  • 资助金额：
    52.0 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