当前位置: 电信首页 >> 学部概况 >> 学部新闻 >> 正文

大连理工大学论文被计算机视觉及模式识别领域国际顶尖期刊IEEE TPAMI录用

时间: 2016/05/12 09:09:59    点击: 

大连理工大学信息与通信工程学院李培华教授带领的视觉及学习研究组(VLG)的一篇论文被国际顶级期刊《IEEE Trans. on Pattern Analysis and Machine Intelligence (TPAMI)录用为长文(regular paper)并已在线发表.论文发表的网址为http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7463054TPAMI是计算机视觉及模式识别领域最顶尖的SCI期刊,2015-2016年的影响因子为5.781,是中国计算机协会(CCF)评选出的为数不多的人工智能领域A类期刊之一。TPAMI对所刊登论文的原始创新性有很高的要求,对投稿论文的评审非常苛刻和严格。每年国内一流科研单位在TPAMI上发表的文章数量十分有限。据悉,这是到目前为止电信学部第一篇第一作者单位为大连理工大学的TPAMI论文。

录用论文的题目为《Local Log-Euclidean Multivariate Gaussian Descriptor and Its Application to Image Classification》。该论文在刻画高斯分布(正态分布)所形成的空间方面有新的理论突破. 高斯分布广泛地应用于概率和统计以及工程领域中,从信息几何角度研究高斯分布的空间结构是理论上的难点和应用的关键。尽管高斯分布形成黎曼流形的结论已经发现了几十年(C. R. Rao, 1945),但是该论文首次通过严格的定义和证明揭示出该空间具有李群结构,从而将对高斯分布代数和几何结构的认知及理解提升到一个新的高度。在此基础上,论文提出两种将高斯分布嵌入到向量空间的方法,为在高斯流形上进行各种无监督和有监督的机器学习提供了方便而灵活的途径。在应用层面,论文提出了一种全新的图像局部特征描述子,用多变量高斯分布描述图像局部信息。这种描述子能够自然地融合多种图像线索(例如灰度、梯度、形状、纹理等),同时保持高斯流形的黎曼几何结构,因而具有很强的分辨能力,在图像分类任务中得到了同类方法的最好性能。论文提出的多变量高斯描述子在图像及视频分类、图像检索、目标跟踪、人体行为分析等多个领域有良好的应用前景。

视觉及学习研究组VLG(Vision and Learning group, http://ice.dlut.edu.cn/PeihuaLi/)主要研究方包括计算机视觉、模式识别及机器学习。该研究组在图像分类和检索、虹膜识别等领域有着丰富的研究成果,在计算机视觉领域三大顶级会议(CVPR/ICCV/ECCV)以及IEEE TIPIEEE TCSVTPR等权威国际期刊发表多篇论文。该研究组注重理论和实际应用的结合,在国际虹膜分割竞赛(NICE.I)、国际虹膜识别竞赛(NICE.II)以及阿里巴巴大规模图像搜索大赛(ALSIC)中均获得优异成绩。

 

[打印本页]    [返回列表]

辽宁省大连理工大学电子信息与电气工程学部 版权所有

地址:中国 辽宁省大连市甘井子区凌工路2号  邮编:116024  技术支持:DoDoStudio