近规律纹理高级感知特征的研究及应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61806023
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0604.机器感知与机器视觉
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Texture provides useful cues of material properties of objects and their identity. Research in texture recognition often concentrates on the problem of material recognition in uncluttered conditions by extracting the local low-level features such as edges, points or bars. The methods formulated and developed under this background cannot be directly and effectively used in semantic texture retrieval, real-world material segmentation and other tasks, where high-level perceptual features such as the periodicity, regularity, directionality and complexity of the texture are necessary. We propose to investigate the computational methods for high-level structural features including texton and their spatial arrangement, texture direction and texton density etc. We will not only verify their usefulness on different texture recognition applications, but also apply them to detect real traffic congestion by considering the vehicle queues as nearly regular texture, and detect outdoor directional vegetation. This project has great significance in promoting mutually the theory research and real applications of texture recognition, and providing new ideas for texture analysis and recognition.
纹理为物体的材料特性及种类识别提供非常重要的信息。目前纹理识别研究主要依托于无混杂情况的物体表面材料的实例分类,通过提取边缘、点或条状等局部低级特征来表征纹理。这种方式越来越不能满足一些实际应用对纹理识别方法的需求,例如纹理语义检索等基于可描述感知特征的纹理分类等。这就必须考虑纹理周期性、规律性,方向性及结构复杂程度等高级感知特征在描述纹理方面的作用。本项目针对规律或近规律纹理研究其高级感知特征的表征和计算,包括对纹理基元形状及空间排布、纹理方向性、基元密度及占空比进行量化定义和检测,并验证其在不同纹理识别应用上的有效性,而且针对实际交通拥堵中车辆队列形成的近规律纹理或户外植被形成的方向性纹理的快速有效检测以达到预警或问题分析。本项目在探索纹理识别理论分析与实际应用相互促进、展开纹理分析识别研究新局面具有重要意义。

结项摘要

在国家自然科学基金青年基金的支持下,本项目主要开展了基础性研究。我们调研了目前认知神经科学领域关于人眼对高级特征感知尤其是形状感知机理的研究现状,以及探索了从机器学习角度对该问题的解决方案。我们也是创新性的利用了目前流行的深度卷积神经网络比较有效的解决了该问题。我们创建了一个全新的大规模的规律纹理图片数据库,用来训练卷积神经网络。实验显示相比传统的机器学习方法,深度卷积神经网络具有更强的模型表征能力和识别精确度。尽管遇到了种种困惑,但通过我们深度思考和全面调研,对这个问题还是理清了思路,取得了一定的研究成果,发表了两篇JCR Q3区的英文期刊,并且申请了一个中文专利。我们在通用意义上的规律纹理的探索,可以有效的迁移到一些实际应用问题上,比如交通拥堵形成的进规律性的车辆纹理,监控视频中的人群进规律纹理分析,对解决这些重要的实际应用问题提出了新的思路。另外,我们还发现一个重要的结论,目前卷积神经网络的构架不能够表征长距离的特征。这激发我们考虑利用近规律纹理对深度卷积神经网络的可解释性进行探索,包括receptive field size、模型可视化、模型对抽象结构表征的研究等。总之,该项目为我们团队后面的学术科研奠定了基础,开阔了思路,对个人的学术生涯和团队的发展有着举足轻重的作用。我将继续带领我们的课题组在深度学习的理解,形状提取,纹理分析等方面持续进行攻关,做出扎实、出色的工作。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(1)
Convolutional neural network for recognizing highway traffic congestion
用于识别高速公路交通拥堵的卷积神经网络
  • DOI:
    10.1080/15472450.2020.1742121
  • 发表时间:
    2020-04-08
  • 期刊:
    JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子:
    3.6
  • 作者:
    Cui, Hua;Yuan, Gege;Song, Huansheng
  • 通讯作者:
    Song, Huansheng
Deep convolutional neural networks for regular texture recognition.
用于常规纹理识别的深度卷积神经网络
  • DOI:
    10.7717/peerj-cs.869
  • 发表时间:
    2022
  • 期刊:
    PEERJ COMPUTER SCIENCE
  • 影响因子:
    3.8
  • 作者:
    Liu, Ni;Rogers, Mitchell;Cui, Hua;Liu, Weiyu;Li, Xizhi;Delmas, Patrice
  • 通讯作者:
    Delmas, Patrice

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

h1 id=spanTitle span id=chTitle强双三角子空间格代数的性质/span /h1
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    西北大学学报
  • 影响因子:
    --
  • 作者:
    庞永锋;刘妮;杨威
  • 通讯作者:
    杨威
中药预防流感的作用及其机制
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    热带病与寄生虫学
  • 影响因子:
    --
  • 作者:
    徐培平;刘妮;丁伟;赵昉;张奉学;刘金元;符林春
  • 通讯作者:
    符林春
纳米材料的环境行为与生物毒性
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    科学通报
  • 影响因子:
    --
  • 作者:
    Baoshan Xing;冀静;杨坤;吴丰昌;林道辉;刘妮;田小利;王震宇
  • 通讯作者:
    王震宇
多重MethyLight在结直肠癌相关基因ALX4和SEPT9甲基化检测中的应用
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中山大学学报(医学科学版)
  • 影响因子:
    --
  • 作者:
    王冕;周建文;刘妮;赖英荣
  • 通讯作者:
    赖英荣
离子热法合成CHA型分子筛膜及其脱盐应用
  • DOI:
    10.14062/j.issn.0454-5648.20210599
  • 发表时间:
    2022
  • 期刊:
    硅酸盐学报
  • 影响因子:
    --
  • 作者:
    张慧智;甘来;刘妮;黄欣悦;胡娜;陈祥树
  • 通讯作者:
    陈祥树

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