视觉概念学习方法研究进展

• 作者: 余化鹏 杜芸彦 谢浩
• 来源期刊: 成都大学学报（自然科学版）
• 关键词: 计算机视觉 概念迁移学习 深度学习 连接主义 逻辑主义
• 年，卷（期）: 2018,（1）
• 页码范围: 38-44
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1004-5422.2018.01.008

摘要

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余化鹏	成都大学信息科学与工程学院	4	19	2.0	4.0
2	谢浩	成都大学信息科学与工程学院	1	1	1.0	1.0
3	杜芸彦	成都大学信息科学与工程学院	1	1	1.0	1.0