基于機(jī)器學(xué)習(xí)的物體識(shí)別.pdf

1、計(jì)算機(jī)視覺(jué)是人工智能領(lǐng)域的核心問(wèn)題之一，它的目標(biāo)是讓計(jì)算機(jī)擁有人的視覺(jué)能力，也就是讓機(jī)算計(jì)像人一樣理解現(xiàn)實(shí)世界中的圖像。計(jì)算機(jī)視覺(jué)在醫(yī)學(xué)、工業(yè)、軍事、航天等領(lǐng)域擁有廣泛的應(yīng)用。但是，根據(jù)人的視覺(jué)占用至少60％的人腦資源這個(gè)事實(shí)，計(jì)算機(jī)視覺(jué)在學(xué)術(shù)界被認(rèn)為是“人工智能完全”問(wèn)題，或者至少是“人工智能困難”問(wèn)題。在眾多計(jì)算機(jī)視覺(jué)的問(wèn)題中，廣義的物體識(shí)別，即在任意環(huán)境下識(shí)別任意物體，又是最核心的問(wèn)題之一?？偟膩?lái)說(shuō)，物體識(shí)別是讓計(jì)算機(jī)自動(dòng)地把圖像

2、中的物體分類。這是個(gè)非常具有挑戰(zhàn)性的問(wèn)題，它也是很多應(yīng)用問(wèn)題的最緊要瓶頸所在，比如圖片搜索問(wèn)題。雖然世界上諸如麻省理工、斯坦福、耶魯、劍橋、普林斯頓等眾多非常有實(shí)力的研究機(jī)構(gòu)已經(jīng)研究這個(gè)問(wèn)題多年，廣義的物體識(shí)別問(wèn)題還遠(yuǎn)遠(yuǎn)沒(méi)有得到很好的解決。但是，從機(jī)器學(xué)習(xí)的角度來(lái)說(shuō)，物體識(shí)別的問(wèn)題至少在一定程度上是可行的。準(zhǔn)確的說(shuō)，只要能合適地抽取圖像特征、合適地描述物體和找到合適的分類模型，實(shí)現(xiàn)一個(gè)能滿足實(shí)際應(yīng)用的物體識(shí)別系統(tǒng)是可行的。
　　

3、 在這篇論文里，我們將介紹一個(gè)基于機(jī)器學(xué)習(xí)的物體識(shí)別系統(tǒng)原型。這個(gè)原型系統(tǒng)包括三個(gè)部分:物體分割子系統(tǒng)、物體描述子系統(tǒng)和一個(gè)分類器。在這三個(gè)要點(diǎn)上，我們創(chuàng)造性地提出了自己的方法:一個(gè)基于混合圖模型(HGM)的物體分割算法、一個(gè)基于拉多表示的物體描述算法(RRFD)和一個(gè)稱為神經(jīng)編碼分類器(NCC)的分類算法。隨后，我們對(duì)這個(gè)基本原型系統(tǒng)做一些改進(jìn)工作:包括基于低秩描述(LRR)的圖像聚類算法、基于局部線性轉(zhuǎn)換(LLT)的多標(biāo)簽分類算法和

4、基于反饋嵌入(FE)的大規(guī)模相似圖像查找技術(shù)。具體來(lái)說(shuō)，本文的創(chuàng)新點(diǎn)有:
　　 我們提出了用于一般半指導(dǎo)分類的HGM(Hybrid Graph Model，混合圖模型)，并建立了一個(gè)有效的物體自動(dòng)分割方法。根據(jù)我們所知，我們是第一個(gè)將混合圖引入機(jī)器學(xué)習(xí)的人。不同于傳統(tǒng)的物體分割方法，我們的基于HGM的方法是自動(dòng)的，即不需要手動(dòng)分割好的訓(xùn)練數(shù)據(jù)。這使得我們的物體識(shí)別系統(tǒng)更加實(shí)用。
　　 我們提出了基于Radon變換的物體描

5、述算法，稱為RRFD(Radon Repre-sentation Based Feature Description，基于拉多表示的特征描述)。在物體已經(jīng)從圖像中分割出來(lái)后，RRFD可以把物體的形狀、顏色、紋理等信息綜合地集成到一個(gè)維度比較低的特征向量中去，并由此而實(shí)現(xiàn)精確的物體識(shí)別。除此之外，RRFD也可以作為一個(gè)一般的特征描述算法，它可以描述任意一個(gè)圖像區(qū)域。
　　 物體識(shí)別中的最后一個(gè)步驟是對(duì)特征向量進(jìn)行分類。我們提出了基

6、于神經(jīng)編碼的分類器，稱為NCC（Neural Coding Classifier，神經(jīng)編碼分類器）。和傳統(tǒng)的諸如SVM的分類算法相比，NCC不僅能夠很好地處理測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)同分布的情況，也能更好地處理測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)概率分布不同的情況。實(shí)驗(yàn)結(jié)果表明，在測(cè)試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)概率分布相同的情況下，NCC的分類精度度略微超過(guò)SVM;在測(cè)試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)概率分布不同的情況下，NCC可以顯著地超過(guò)SVM。
　　 當(dāng)一張圖像中可能含有多

7、個(gè)類的物體時(shí)，物體識(shí)別中對(duì)應(yīng)的分類問(wèn)題就是一個(gè)MLC（Multi-Label Classification，多標(biāo)簽分類）問(wèn)題。多標(biāo)簽分類問(wèn)題可以用MOR(Multi Output Regression，多輸出回歸)模型來(lái)處理。我們提出了用于定義回歸分析中損失函數(shù)的LLT(Locally Linear Transformation，局部線性轉(zhuǎn)換)機(jī)制，并在SVR(Support Vector Regression，支持向量回歸)框架下提出

8、了一種結(jié)合LLT和SVR的多輸出回歸算法，即所謂的LLT-SVR。LLT-SVR即提供了一種很好的多輸出回歸分析工具，又為我們的物體識(shí)別系統(tǒng)提供了一種有效的多標(biāo)簽分類器。
　　 為了提高物體識(shí)別系統(tǒng)的實(shí)用性，我們需要一種有效的圖像聚類機(jī)制。我們首次提出了用于處理矩陣數(shù)據(jù)信號(hào)的LRR(Low-Rank Representation，低秩表示)。LRR是一種新的壓縮傳感(CompressedSensor)技術(shù)，和傳統(tǒng)的SR（Spar

9、se Representation，稀疏表示）相比，LRR能更好的描述數(shù)據(jù)的整體結(jié)構(gòu)，從而在諸如圖像聚類之類的數(shù)據(jù)聚類問(wèn)題中，LRR有明顯的優(yōu)勢(shì)?；贚RR，我們提出了一種有效的圖像聚類算法。除圖像聚類外，LRR子空間分割算法也是一種基本的數(shù)據(jù)聚類法。更重要的是，LRR首次提出了“低秩”(LowRank)準(zhǔn)則。LRR不但在機(jī)器學(xué)習(xí)領(lǐng)域產(chǎn)生巨大的理論影響，而且在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域有著廣泛的應(yīng)用。
　　 為了提高物體識(shí)別系統(tǒng)的

10、運(yùn)行速度，我們需要一種高速的相似圖像查找技術(shù)。我們提出了稱為FE(Feedback Embedding，反饋嵌入)的數(shù)據(jù)降維算法?；贔E，我們可以設(shè)計(jì)出一種有效的語(yǔ)義哈希算法，進(jìn)而實(shí)現(xiàn)在大規(guī)模物體識(shí)別系統(tǒng)中的快速相似圖像查找。
　　 除研究物體識(shí)別和一些相關(guān)的機(jī)器學(xué)習(xí)問(wèn)題（比如分類、聚類和降維等）外，本文也對(duì)一些根本的科學(xué)問(wèn)題進(jìn)行了討論。比如我們探究大腦是如何處理視覺(jué)信號(hào)的，并提出了一個(gè)新穎的神經(jīng)編碼假設(shè)，即大腦是基于信號(hào)重構(gòu)