不完全视觉信息鲁棒表示理论与方法

发布时间: 2022-11-12

来源: 科技服务团

基本信息

合作方式：合作开发

成果类型：发明专利,著作权,商标权

行业领域：

新一代信息技术产业,人工智能

成果介绍

因遮挡、姿态或视角变化等导致视觉信息不完全是计算机视觉领域目标检测、跟踪和识别等任务共同面临的瓶颈问题，如口罩遮挡导致人脸识别系统失效。项目组在两个国家自然科学基金项目及多个省级项目的资助下，从不完全视觉信息空间几何分析入手，揭示了不完全视觉信息几何空间上的奇异离群特征，提出了局部多均值向量协同字典学习和多视角融合复原表示理论，实现了不完全视觉信息的鲁棒表示和快速高效识别。

成果亮点

1、揭示了不完全视觉数据的奇异离群几何机理，建立了结构约束下不完全视觉数据几何上奇异离群的分析模型，提出了不完全视觉数据奇异离群性判定方法，为不完全视觉数据几何分析提供了一种新的途径。 2、针对不完全视觉数据和完全视觉数据的表示空间不同构问题，提出了高维不完全视觉数据与完全视觉数据的低维协同表示方法，以及多均值向量协同字典学习和多视角融合表示学习算法，有效提升了不完全视觉数据表示的鲁棒性。 3、针对现有视觉识别算法对不完全视觉数据分类失效问题，提出了分阶段重构识别架构，构建了分阶段线性和非线性的重构识别模型和算法，有效突破了传统单阶段识别方法的局限。

团队介绍

1 欧卫华男 1979年09月教授博士研究生贵州师范大学创新点1，2主要贡献和创新点3部分贡献 2 苟建平男 1982年10月副教授博士研究生江苏大学创新点3主要贡献和创新点1，2部分贡献

成果资料

产业化落地方案

点击查看

成果综合评价报告

评价单位：“科创中国”人工智能专业科技服务团 (中国人工智能学会) 评价时间：2022-11-13

樊邦奎等9位专家组

中国科学院空天信息创新研究院

中国工程院院士

综合评价

该项目研究难度很大，具有多项自主知识产权，奇异几何离群性判定、多均值向量协同表示和分阶段重构识别等方法具有重大创新，项目成果整体达到国际先进水平。成果已广泛应用于地震预报、机器故障诊断、生物医学数据分析识别等众多领域，行业推广应用前景广阔。

科创中国

友情链接

海外专利信息资源系统

省级中心站