大規(guī)模圖像數(shù)據(jù)自動標(biāo)注算法研究基本信息

主要研究大規(guī)模圖像數(shù)據(jù)的自動標(biāo)注算法，具體研究內(nèi)容有：研究具有更好表示和區(qū)分能力的圖像特征提取算法，其重點(diǎn)是研究特征選取和特征變換；研究用于高層語義特征提取的機(jī)器學(xué)習(xí)方法，其重點(diǎn)是研究半監(jiān)督學(xué)習(xí)和大規(guī)模數(shù)據(jù)學(xué)習(xí)問題；研究圖像標(biāo)記的語義相關(guān)性挖掘問題，以進(jìn)一步提高自動標(biāo)記的性能，基本思路是利用先驗(yàn)信息、WordNet等知識庫和標(biāo)記在圖像同現(xiàn)等統(tǒng)計(jì)信息?；谏鲜鏊惴ㄑ芯砍晒?，我們將針對日常生活中常見的實(shí)體語義對象，從互聯(lián)網(wǎng)上下載相應(yīng)的圖像，通過學(xué)習(xí)訓(xùn)練建立起較大規(guī)模的視覺語義特征模型庫，用于實(shí)現(xiàn)圖像的自動語義標(biāo)注；我們還計(jì)劃研究開發(fā)大規(guī)模圖像數(shù)據(jù)的自動標(biāo)注原型演示系統(tǒng)，用于網(wǎng)上大規(guī)模圖像的搜索和過濾。

本規(guī)范對輸變電巡視隱患/缺陷目標(biāo)識別圖像數(shù)據(jù)集的標(biāo)注作出要求，為輸變電數(shù)據(jù)集

標(biāo)注提供參考。

本規(guī)范適用于電力系統(tǒng)架空輸電線路設(shè)備缺陷分級及缺陷標(biāo)注。

本規(guī)范規(guī)定圖像分析隱患檢測與識別系統(tǒng)的標(biāo)注要求、存儲要求、非功能性要求。

本規(guī)范的標(biāo)注要求適用于深度學(xué)習(xí)算法的數(shù)據(jù)標(biāo)注。

隨著圖像信息資源的迅速增長，圖像標(biāo)注中存在的語義鴻溝問題嚴(yán)重影響了圖像信息資源研究與應(yīng)用的發(fā)展，將人對圖像的感性認(rèn)知與自動圖像標(biāo)注有機(jī)聯(lián)系起來協(xié)同標(biāo)注是解決問題的有效途徑。本項(xiàng)目綜合應(yīng)用情報(bào)學(xué)、管理學(xué)、計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)等多學(xué)科的理論與方法，首先通過理論分析與用戶認(rèn)知實(shí)驗(yàn)，深度剖析圖像語義鴻溝的產(chǎn)生過程，明確圖像標(biāo)注的研究需求；進(jìn)而構(gòu)建圖像信息資源的可視化協(xié)同語義標(biāo)注模型，以圖像與文本協(xié)同挖掘進(jìn)行圖像標(biāo)簽語義優(yōu)化，以語義可視化支持用戶感性交互，通過用戶對圖像及圖像之間關(guān)系的感性認(rèn)知與計(jì)算機(jī)語義處理之間的協(xié)同，研究消減乃至消除語義鴻溝的圖像標(biāo)注；接著以典型數(shù)據(jù)集及web實(shí)際數(shù)據(jù)從系統(tǒng)與用戶體驗(yàn)兩方面對模型進(jìn)行實(shí)證研究；最后探索將模型應(yīng)用于圖像信息資源研究與實(shí)踐的途徑與方式，為有效標(biāo)注大規(guī)模圖像信息資源的多層次語義提供理論與應(yīng)用指導(dǎo)，并將豐富與拓展圖像信息資源管理理論與方法。

基于范數(shù)

這類方法通過定義

基于稀疏表示

這類方法的核心思想是建立卡通信號字典和紋理信號字典，通過稀疏編碼(sparse coding)過程把圖像分解到這兩個(gè)字典上。

基于算子信號

然而，以上分解算法的求解過程復(fù)雜且不易對圖像作更精細(xì)的層級分解。近年P(guān)eng和Hwang提出一種基于算子的信號分解算法，該方法可以將1維信號中的局部窄帶的成分分解到算子的零空間，這種局部窄帶信號成分完全由該算子所刻畫。

分解模型為：

式中，

基于算子的信號分解方法可以有效地把1維信號分解到兩類奇異線性算子的零空間，這種分解方法可以有效地應(yīng)用到2維圖像信號的卡通紋理分解，使分解得到紋理成分得到具體算子的刻畫，這是從算子的思想角度對圖像中所包含成分的一種新認(rèn)識，為更好地認(rèn)識圖像(主要對紋理成分的認(rèn)識)提供了一條新思路。為了把圖像轉(zhuǎn)變?yōu)?維信號，采用對圖像分塊處理的方法，將圖像塊系列化為1維信號，并結(jié)合卡通紋理圖像的一般特點(diǎn)，用局部全變差變化率作為自適應(yīng)參數(shù)選擇的依據(jù)，對圖像塊進(jìn)行分解，最后綜合各圖像塊的分解結(jié)果得到整個(gè)圖像的分解結(jié)果，為了一定程度克服塊效應(yīng)，采取了塊間重疊的措施。同時(shí)，把自適應(yīng)參數(shù)當(dāng)成尺度因子，層級調(diào)整尺度因子，反復(fù)對剩余信號分解，最后實(shí)現(xiàn)了圖像的層級分解，對具體圖像分解驗(yàn)證了算法的有效性 。

多尺度圖像

多尺度多分辨是人類視覺高效、準(zhǔn)確工作的重要特征之一。自然產(chǎn)生的圖像大多包含大量不同尺度的信息，這些信息在一幅圖像中同時(shí)出現(xiàn)。而對圖像的應(yīng)用研究往往僅限于某一尺度或某些尺度上的現(xiàn)象，或者只需要某些尺度的信息：其它尺度的信息往往會對處理結(jié)果有不良影響，或者增大了處理的難度和復(fù)雜性。所以把圖像信息按尺度進(jìn)行分離十分必要。多尺度圖像分解可以消除其他無用尺度信息對處理結(jié)果的影響，也簡化了處理的難度和復(fù)雜性：也是圖像目標(biāo)識別和邊緣檢測等處理過程的預(yù)處理方法之一。

經(jīng)驗(yàn)?zāi)７纸夥椒ㄊ且环N適用于非靜態(tài)和非線性數(shù)據(jù)的分解方法，該方法是直接的、后驗(yàn)的和自適應(yīng)的，該種分解具有完備性和準(zhǔn)正交性 。