主要研究大规模图像数据的自动标注算法,具体研究内容有:研究具有更好表示和区分能力的图像特征提取算法,其重点是研究特征选取和特征变换;研究用于高层语义特征提取的机器学习方法,其重点是研究半监督学习和大规模数据学习问题;研究图像标记的语义相关性挖掘问题,以进一步提高自动标记的性能,基本思路是利用先验信息、WordNet等知识库和标记在图像同现等统计信息。基于上述算法研究成果,我们将针对日常生活中常见的实体语义对象,从互联网上下载相应的图像,通过学习训练建立起较大规模的视觉语义特征模型库,用于实现图像的自动语义标注;我们还计划研究开发大规模图像数据的自动标注原型演示系统,用于网上大规模图像的搜索和过滤。
{{i.achievement_title}}
数据更新时间:2023-05-31
针对弱边缘信息的左心室图像分割算法
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
基于改进LinkNet的寒旱区遥感图像河流识别方法
基于腔内级联变频的0.63μm波段多波长激光器
新型树启发式搜索算法的机器人路径规划
数据驱动的大规模图像自动标注关键技术研究
基于语言模型的图像数据库自动语义标注及多模式检索研究
基于网上弱标注数据的个性化图像标注研究
基于颜色不变性描述的图像自动语义标注研究