社会媒体站点的兴起和移动互联应用的飞速发展使得图像数据在互联网上海量涌现,其所具有的高维、异构、弱标注和跨数据源等特性给图像语义理解带来了巨大挑战。本课题将结合统计分析、机器学习和计算机视觉等交叉领域的最新进展和热点研究,建立基于高维结构性稀疏特征选择的图像语义理解框架,主要内容包括图像高维异构特征的结构性互补特性利用与自适应选择、跨域异构数据源的多任务特征选择、图像高层结构性语义预测和一致性特征选择及其稳定性分析。通过集成相关研究成果与技术,开放结构性图像语义理解数据集,并发布以高维结构性稀疏特征选择为基础的图像语义理解原型系统,以验证算法和框架的有效性。相关研究成果在图像识别和多媒体检索等方面具有理论价值和应用意义。
英文主题词Image Semantic Understanding;Structural Sparsity;Feature Selection;;