论文摘要
计算机视觉是人工智能领域的核心问题之一，它的目标是让计算机拥有人的视觉能力，也就是让机算计像人一样理解现实世界中的图像。计算机视觉在医学、工业、军事、航天等领域拥有广泛的应用。但是，根据人的视觉占用至少60%的人脑资源这个事实，计算机视觉在学术界被认为是“人工智能完全”问题，或者至少是“人工智能困难”问题。在众多计算机视觉的问题中，广义的物体识别，即在任意环境下识别任意物体，又是最核心的问题之一。总的来说，物体识别是让计算机自动地把图像中的物体分类。这是个非常具有挑战性的问题，它也是很多应用问题的最紧要瓶颈所在，比如图片搜索问题。虽然世界上诸如麻省理工、斯坦福、耶鲁、剑桥、普林斯顿等众多非常有实力的研究机构已经研究这个问题多年，广义的物体识别问题还远远没有得到很好的解决。但是，从机器学习的角度来说，物体识别的问题至少在一定程度上是可行的。准确的说，只要能合适地抽取图像特征、合适地描述物体和找到合适的分类模型，实现一个能满足实际应用的物体识别系统是可行的。在这篇论文里，我们将介绍一个基于机器学习的物体识别系统原型。这个原型系统包括三个部分：物体分割子系统、物体描述子系统和一个分类器。在这三个要点上，我们创造性地提出了自己的方法：一个基于混合图模型（HGM）的物体分割算法、一个基于拉多表示的物体描述算法（RRFD）和一个称为神经编码分类器（NCC）的分类算法。随后，我们对这个基本原型系统做一些改进工作：包括基于低秩描述（LRR）的图像聚类算法、基于局部线性转换（LLT）的多标签分类算法和基于反馈嵌入（FE）的大规模相似图像查找技术。具体来说，本文的创新点有：我们提出了用于一般半指导分类的HGM （Hybrid Graph Model，混合图模型），并建立了一个有效的物体自动分割方法。根据我们所知，我们是第一个将混合图引入机器学习的人。不同于传统的物体分割方法，我们的基于HGM的方法是自动的，即不需要手动分割好的训练数据。这使得我们的物体识别系统更加实用。我们提出了基于Radon变换的物体描述算法，称为RRFD （Radon Repre-sentation Based Feature Description，基于拉多表示的特征描述）。在物体已经从图像中分割出来后，RRFD可以把物体的形状、颜色、纹理等信息综合地集成到一个维度比较低的特征向量中去，并由此而实现精确的物体识别。除此之外，RRFD也可以作为一个一般的特征描述算法，它可以描述任意一个图像区域。物体识别中的最后一个步骤是对特征向量进行分类。我们提出了基于神经编码的分类器，称为NCC（Neural Coding Classifier，神经编码分类器）。和传统的诸如SVM的分类算法相比，NCC不仅能够很好地处理测试数据与训练数据同分布的情况，也能更好地处理测试数据与训练数据概率分布不同的情况。实验结果表明，在测试数据和训练数据概率分布相同的情况下，NCC的分类精度度略微超过SVM；在测试数据和训练数据概率分布不同的情况下，NCC可以显著地超过SVM。当一张图像中可能含有多个类的物体时，物体识别中对应的分类问题就是一个MLC（Multi-Label Classification，多标签分类）问题。多标签分类问题可以用MOR（Multi Output Regression，多输出回归）模型来处理。我们提出了用于定义回归分析中损失函数的LLT（LocallyLinear Transformation，局部线性转换）机制，并在SVR（Support VectorRegression，支持向量回归）框架下提出了一种结合LLT和SVR的多输出回归算法，即所谓的LLT-SVR。LLT-SVR即提供了一种很好的多输出回归分析工具，又为我们的物体识别系统提供了一种有效的多标签分类器。为了提高物体识别系统的实用性，我们需要一种有效的图像聚类机制。我们首次提出了用于处理矩阵数据信号的LRR（Low-Rank Representation，低秩表示）。LRR是一种新的压缩传感（Compressed Sensor）技术，和传统的SR（Sparse Representation，稀疏表示）相比，LRR能更好的描述数据的整体结构，从而在诸如图像聚类之类的数据聚类问题中，LRR有明显的优势。基于LRR，我们提出了一种有效的图像聚类算法。除图像聚类外，LRR子空间分割算法也是一种基本的数据聚类法。更重要的是，LRR首次提出了“低秩”（Low Rank）准则。LRR不但在机器学习领域产生巨大的理论影响，而且在计算机视觉和图像处理领域有着广泛的应用。为了提高物体识别系统的运行速度，我们需要一种高速的相似图像查找技术。我们提出了称为FE（Feedback Embedding，反馈嵌入）的数据降维算法。基于FE，我们可以设计出一种有效的语义哈希算法，进而实现在大规模物体识别系统中的快速相似图像查找。除研究物体识别和一些相关的机器学习问题（比如分类、聚类和降维等）外，本文也对一些根本的科学问题进行了讨论。比如我们探究大脑是如何处理视觉信号的，并提出了一个新颖的神经编码假设，即大脑是基于信号重构来处理信号的。