基于深度网络的图像表示分析和评价研究

In order to theoretically understand the intrinsic mechanism of the deep neural networks in coding visual information, deeply comprehend the essential difference between the shollow and deep representations of image encodings, this project will conduct researches, focusing on the following topics: 1) How to invert the shollow representation of an image, using the computation units in the deep neural networks; 2) How to objectively evaluate the stability of image representation methods, especially when the represented images have been changed due to some imaging factors, such as illumination, angle, and scale etc., and transformations; 3) If we adopt a compuation structure similar to the deep neural networks, can we obtain a deep encoding representation of the local features.

为了从理论上深入理解深度网络编码视觉图像信息的内在机制，深刻认识深度图像表示与浅层图像表示对视觉图像信息编码的本质差异，本项目拟研究以下几方面的内容：1）研究采用深度网络的计算单元，实现图像浅表示逆向重构的有效算法；2）利用图像表示逆向重构技术，研究客观衡量各种图像表示方法，在图像成像因素（如光照、角度、尺度等）变化和几何形变下，编码图像信息的稳定性评价指标；3）采用类似深度网络的计算结构，对局部特征进行深度编码的方法。

根据项目研究计划，课题组在一年时间内主要研究了以下两方面的内容：1）典型局部特征编码表示的逆向重构方法。局部特征编码表示属于图像浅表示，通过比较图像浅表示与深度表示逆重构的差异，揭示深度网络编码图像信息的本质。2）图像表示的客观衡量指标。通过分析图像表示的稳定性和区分性，建立了衡量图像表示性能的评价指标。