赵仲秋副研究员学术论文被IEEE Trans. Image Processing录用
由青年教师赵仲秋博士完成的学术论文“Cooperative Sparse Representation in Two Opposite Directions for Semi-supervised Image Annotation”近日被图像处理和人工智能领域顶级期刊 IEEE Transaction on Image Processing 以Regular Paper形式正式录用。
源于神经科学家对大脑主视皮层V1区的研究成果，稀疏表达目前已广泛应用于图像分类、人脸识别等机器视觉领域。一般的稀疏表达分类器（SparseRepresentation Classifier）是用已标注图像来表达未标注图像，并根据与稀疏表达系数非零项相关图像的类别标签来判断未标注图像的类别标签；而论文的研究发现，相反方向的稀疏表达，即用未标注图像来表达已标注图像，能提供有利的互补信息，使用co-training方法来抽取这种互补信息，进而提出一种基于正反向协作稀疏表达的半监督图像标注方法，从而较大地提高了图像标注的精度；论文还通过与L2非稀疏的比较发现，稀疏性对这种互补性起着至关重要的作用。该论文的研究成果可有效拓展稀疏表达在图像标注和检索领域中的应用。
源于神经科学家对大脑主视皮层V1区的研究成果，稀疏表达目前已广泛应用于图像分类、人脸识别等机器视觉领域。一般的稀疏表达分类器（SparseRepresentation Classifier）是用已标注图像来表达未标注图像，并根据与稀疏表达系数非零项相关图像的类别标签来判断未标注图像的类别标签；而论文的研究发现，相反方向的稀疏表达，即用未标注图像来表达已标注图像，能提供有利的互补信息，使用co-training方法来抽取这种互补信息，进而提出一种基于正反向协作稀疏表达的半监督图像标注方法，从而较大地提高了图像标注的精度；论文还通过与L2非稀疏的比较发现，稀疏性对这种互补性起着至关重要的作用。该论文的研究成果可有效拓展稀疏表达在图像标注和检索领域中的应用。