基于模型引导的深度视觉计算模型与方法研究

目前,视觉信息作为大数据中最主要的组成部分,以每天近两万亿GB的数据量急剧增长,因此,感知与识别成为人工智能和深度学习等方向研究中亟待突破的核心问题,是当前国际学术竞争最为激烈的新焦点,且在安全监控、影视特效、无人驾驶和智能相机等诸多行业中存在广泛而巨大的需求.其中,在底层视觉中存在退化模型复杂性、多样性和在高层模态中存在不一致的成本获取/标注成本等问题一直是制约深度视觉学习方向发展的瓶颈之一.为此,该项目在深度学习中结合传统机器学习方法和利用现有知识/模型,发展起一套基于模型引导的深度视觉计算理论体系,并分别在图像去噪、超分辨和去模糊等底层任务及跨模态识别、哈希学习等高层视觉任务中取得了突破性进展,对相关领域的发展起到重要的推动作用.