基于知識(shí)共享和遷移的目標(biāo)檢測(cè)與識(shí)別算法研究.pdf

1、靜態(tài)圖像中的目標(biāo)檢測(cè)技術(shù)能夠根據(jù)視覺特征對(duì)圖像中包含的目標(biāo)進(jìn)行檢測(cè)定位和內(nèi)容識(shí)別，并能獲取目標(biāo)的一些具體狀態(tài)參數(shù)。該技術(shù)在圖像檢索、人機(jī)交互、場(chǎng)景監(jiān)控以及機(jī)器人視覺等領(lǐng)域都有廣泛應(yīng)用。本文從機(jī)器學(xué)習(xí)的視角入手，針對(duì)多任務(wù)的目標(biāo)檢測(cè)和識(shí)別模型學(xué)習(xí)中知識(shí)共享以及知識(shí)遷移等問題進(jìn)行了改進(jìn)。
　　論文的主要工作包括:
　　1)實(shí)現(xiàn)了一個(gè)基于運(yùn)動(dòng)信息和局部并發(fā)特征的目標(biāo)檢測(cè)和識(shí)別系統(tǒng)。對(duì)于一些工作于小型終端設(shè)備以及機(jī)器人等應(yīng)用場(chǎng)合下的

2、圖像目標(biāo)檢測(cè)識(shí)別系統(tǒng)而言，如何對(duì)周圍物體進(jìn)行透明在線的學(xué)習(xí)是一個(gè)關(guān)鍵問題。本文通過利用連續(xù)幀上的運(yùn)動(dòng)信息來提高機(jī)器學(xué)習(xí)的自主性，弱化學(xué)習(xí)過程，使系統(tǒng)可以通過與非專業(yè)用戶進(jìn)行簡(jiǎn)單的互動(dòng)來發(fā)現(xiàn)和記憶目標(biāo)。系統(tǒng)采用視覺單詞包方法，同時(shí)利用了傳統(tǒng)的局部特征描述子和局部并發(fā)特征來描述目標(biāo)，在一個(gè)由十?dāng)?shù)種常見目標(biāo)組成的數(shù)據(jù)庫上取得了良好的效果。
　　2)給出了一種基于隱式亞類共享特征的自適應(yīng)目標(biāo)檢測(cè)方法。對(duì)于泛性的圖像目標(biāo)檢測(cè)與識(shí)別問題而言，

3、近年來研究者們傾向于通過增加模型復(fù)雜程度來學(xué)習(xí)那些由于視角及光照等因素表觀變化更加劇烈的目標(biāo)。此類方法往往在獲得高性能的同時(shí)伴隨著較大的計(jì)算量，如果目標(biāo)問題本身的復(fù)雜程度并不高，直接使用此類模型往往會(huì)導(dǎo)致計(jì)算資源的浪費(fèi)并帶來過學(xué)習(xí)的風(fēng)險(xiǎn)。本文中我們從特征共享的角度來重新理解模型學(xué)習(xí)過程，提出一種針對(duì)目標(biāo)本身的類內(nèi)方差不同，自適應(yīng)地在不同層次上對(duì)目標(biāo)特征進(jìn)行共享的模型學(xué)習(xí)方法。實(shí)驗(yàn)證明，通過這種自適應(yīng)知識(shí)共享建立的級(jí)聯(lián)式分類器在多種目標(biāo)檢

4、測(cè)任務(wù)上實(shí)現(xiàn)了對(duì)性能和效率的自適應(yīng)調(diào)整。
　　3)給出了一種結(jié)構(gòu)化的選擇性遷移學(xué)習(xí)算法。遷移學(xué)習(xí)方法是一種可行性很強(qiáng)的降低訓(xùn)練代價(jià)的方法，論文從多任務(wù)學(xué)習(xí)的角度考慮遷移學(xué)習(xí)問題，提出了一種可以從多個(gè)相關(guān)任務(wù)中自動(dòng)提取有用信息，以對(duì)當(dāng)前任務(wù)學(xué)習(xí)進(jìn)行輔助的選擇性遷移學(xué)習(xí)方法。該方法將遷移學(xué)習(xí)視為一種有偏的多任務(wù)學(xué)習(xí)過程，對(duì)每一個(gè)任務(wù)設(shè)置一個(gè)偏置權(quán)重來控制其對(duì)學(xué)習(xí)的影響。同時(shí)，我們通過在迭代學(xué)習(xí)的過程中添加約束使和目的任務(wù)最相關(guān)的部分源

5、任務(wù)參加到知識(shí)遷移當(dāng)中，保證了最有效的知識(shí)遷移。實(shí)驗(yàn)證明，該方法可以從混合了相關(guān)任務(wù)與無關(guān)任務(wù)的混合輔助任務(wù)集中有效地選擇出相關(guān)知識(shí)并實(shí)現(xiàn)遷移。
　　4)實(shí)現(xiàn)了一種基于遷移學(xué)習(xí)的目標(biāo)視角識(shí)別方法。如何處理多視角表觀變化問題一直以來是目標(biāo)檢測(cè)與識(shí)別研究中的一個(gè)難點(diǎn)，直接通過手工標(biāo)注訓(xùn)練樣本來學(xué)習(xí)模型往往會(huì)導(dǎo)致過高的學(xué)習(xí)代價(jià)，而遷移學(xué)習(xí)正是解決這一問題的一個(gè)新手段。本文中我們通過選擇性遷移方法，將一個(gè)混合數(shù)據(jù)集中的視角信息遷移到目標(biāo)任