移动视觉搜索中基于特征保持的图像智能缩放技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61772137
  • 项目类别:
    面上项目
  • 资助金额:
    66.0万
  • 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:
    2021
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2021-12-31

项目摘要

Recently, with the rapid development of communication technology and the popularity of various mobile terminals, mobile visual search (MVS) has become an urgent demand in various industries. At the same time, the image as the input of the interactive way, becomes a new way of interaction after the text and the voice, and is more and more favored by the majority of users. Nevertheless, due to wireless network with limited bandwidth, bandwidth fluctuation, transmission delay, as well as interoperability challenges brought by a variety of image retrieval systems, low bit-rate mobile visual search has attracted increasing attention of researchers, and has become a research hotspot in the field of multimedia information processing due to its wide range of applications in various industries. In order to satisfy the demands of low bit-rate and high interactivity, this project proposes a set of feature-preserving image resizing approaches for low bit-rate mobile visual search. As a result, the bottleneck appeared in the mobile terminal with large amount of data transmission, non-flexible feature extraction and interoperability difficulties in the variety of image retrieval systems will be resolved, which greatly supports the industrialization development of related technologies. In conclusion, this project has strong theoretical significance and practical application value.
近年来,随着通信技术的飞速发展和各种移动终端的普及,移动视觉搜索越来越成为各个行业领域的迫切需求,同时以图像作为输入的交互方式,成为文本、语音交互之后新型的交互方式,越来越被广大用户所青睐。由于无线网络环境的带宽有限、带宽波动、传输时延、以及多样化图像搜索系统互操作等方面带来的挑战,为提高用户体验,低比特率移动视觉搜索得到了越来越多研究者的关注,已成为当今多媒体信息处理领域的一项研究热点,并在各行各业中具有广泛的应用前景。为满足各项相关应用所需的低比特率和高交互性,本项目旨在提出一套基于特征保持的图像缩放方法以应用于低比特率移动视觉搜索,从而突破移动端所面临的数据传输量大、特征提取不灵活、多样化视觉搜索系统难以互操作的瓶颈,极大地支撑相关技术应用的产业化发展,具有很强的理论研究意义和现实应用价值。

结项摘要

本课题组自项目承担以来,经过四年努力,课题工作进展顺利,各项工作已完成,取得了较为丰硕的科研成果。具体地,针对数字图像中特征的过滤和选取与数字图像中特征显著性的计算,提出了一种基于语义分割和像素融合的图像智能适配显示方法、一种语义分割驱动的图像重构方法以及一种基于监控视频的运动管道提取方法。针对特征保持的图像自适应缩放与哈希编码保持的图像缩放,提出了一种深度自监督循环图像智能重适配方法和一种自适应特征保持的图像重适配方法。针对特征超分问题,提出了一种面向感知质量的立体图像超分辨率重构方法、一种视差感知的立体图像增强方法以及一种面向特征超分的生成对抗网络。相关科研成果陆续得到了国际著名期刊和学术会议的认可。共有30篇相关学术论文发表在国际著名的IEEE Transactions等国际期刊和学术会议上(全部标注本基金资助)。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(1)
会议论文数量(13)
专利数量(0)
Cycle-IR: Deep Cyclic Image Retargeting
Cycle-IR:深度循环图像重定向
  • DOI:
    10.1109/tmm.2019.2959925
  • 发表时间:
    2019-05
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Tan Weimin;Yan Bo;Lin Chumin;Niu Xuejing
  • 通讯作者:
    Niu Xuejing
Fine-Grained Motion Estimation for Video Frame Interpolation
视频帧插值的细粒度运动估计
  • DOI:
    10.1109/tbc.2020.3028323
  • 发表时间:
    2020
  • 期刊:
    IEEE Transactions on Broadcasting
  • 影响因子:
    4.5
  • 作者:
    Bo Yan;Weimin Tan;Chuming Lin;Liquan Shen
  • 通讯作者:
    Liquan Shen
Deep Objective Quality Assessment Driven Single Image Super-Resolution
深度客观质量评估驱动的单图像超分辨率
  • DOI:
    10.1109/tmm.2019.2914883
  • 发表时间:
    2019-05
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Yan Bo;Bare Bahetiyaer;Ma Chenxi;Li Ke;Tan Weimin
  • 通讯作者:
    Tan Weimin
JROTM: Jointly reinforced object tracking with temporal content reference and motion guidance
JROTM:具有时间内容参考和运动指导的联合强化对象跟踪
  • DOI:
    10.1016/j.neucom.2020.12.111
  • 发表时间:
    2021
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Jichun Li;Bo Yan;Chuming Lin;Weimin Tan
  • 通讯作者:
    Weimin Tan
Flow-guided feature enhancement network for video-based person re-identification
用于基于视频的人员重新识别的流引导特征增强网络
  • DOI:
    10.1016/j.neucom.2019.11.050
  • 发表时间:
    2020-03
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Gong Weichao;Yan Bo;Lin Chuming
  • 通讯作者:
    Lin Chuming

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

基于卷积神经网络的用户感知评估建模
  • DOI:
    10.16183/j.cnki.jsjtu.2019.07.011
  • 发表时间:
    2019
  • 期刊:
    上海交通大学学报
  • 影响因子:
    --
  • 作者:
    颜波;张磊;褚学宁
  • 通讯作者:
    褚学宁
Single layer atom chip for magnetically trapping one-dimensional array of ultracold atoms
用于磁捕获一维超冷原子阵列的单层原子芯片
  • DOI:
    10.1088/1674-1056/19/8/083205
  • 发表时间:
    2010
  • 期刊:
    Chinese Physics B
  • 影响因子:
    1.7
  • 作者:
    程峰;颜波;柯敏;王育竹;Cheng Feng,Yan Bo,Ke Min,;Wang Yu-Zhu The Labor
  • 通讯作者:
    Wang Yu-Zhu The Labor
基于渠道溢出效应的在线渠道协调研究
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    运筹与管理
  • 影响因子:
    --
  • 作者:
    王滔;颜波
  • 通讯作者:
    颜波
维生素D受体基因多态性位点rs7975232与肺癌发病风险的相关性
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中国医药
  • 影响因子:
    --
  • 作者:
    李榕;楼煜清;颜波;马美丽;裴俊;韩宝惠
  • 通讯作者:
    韩宝惠
基于深度学习的人工智能辅助诊断在食管早癌中的应用
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中华消化内镜杂志
  • 影响因子:
    --
  • 作者:
    蔡世伦;阿依木克地斯·亚力孔;李染;颜波;姚礼庆;周平红;钟芸诗
  • 通讯作者:
    钟芸诗

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

颜波的其他基金

真实场景下的深层感知与多元耦合智能计算研究
  • 批准号:
    U2001209
  • 批准年份:
    2020
  • 资助金额:
    255 万元
  • 项目类别:
    联合基金项目
基于线裁剪的数字视觉信息处理技术研究
  • 批准号:
    61370158
  • 批准年份:
    2013
  • 资助金额:
    73.0 万元
  • 项目类别:
    面上项目
数字视觉信息修复及重构的关键技术研究
  • 批准号:
    61073067
  • 批准年份:
    2010
  • 资助金额:
    32.0 万元
  • 项目类别:
    面上项目
基于Ad Hoc网络的流媒体传输关键技术研究
  • 批准号:
    60703034
  • 批准年份:
    2007
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

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