《中國圖象圖形學(xué)報》圖像數(shù)據(jù)受限專欄簡介

劉怡光，孫顯，趙啟軍，魏秀參，王琦，陳秀妍

1.四川大學(xué)計算機學(xué)院、空天科學(xué)與工程學(xué)院，成都 610065；2.中國科學(xué)院空天信息創(chuàng)新研究院，北京 100190；3.四川大學(xué)計算機學(xué)院，成都 610065; 4.南京理工大學(xué)計算機科學(xué)與工程學(xué)院, 南京 210094; 5.西北工業(yè)大學(xué)光電與智能研究院,西安 710072；6.《中國圖象圖形學(xué)報》編輯部, 北京 100190

圖像處理與分析是軍事國防、公共安全、醫(yī)學(xué)健康、智慧城市和生態(tài)環(huán)保等眾多領(lǐng)域的關(guān)鍵技術(shù)。深度學(xué)習(xí)的發(fā)展推動了圖像處理與分析技術(shù)在這些領(lǐng)域的應(yīng)用，但深度學(xué)習(xí)方法的性能極大程度依賴于圖像信號的質(zhì)量及數(shù)據(jù)規(guī)模。關(guān)鍵應(yīng)用中優(yōu)質(zhì)海量數(shù)據(jù)常難以獲取、特殊場景下數(shù)據(jù)標記成本高昂、樣本不完備性及非確定性漸成常態(tài)等，上述障礙和挑戰(zhàn)極大影響了深度學(xué)習(xí)在這些方面應(yīng)用的有效性，桎梏著深度學(xué)習(xí)向更多更廣領(lǐng)域的推廣。因此，在深度學(xué)習(xí)基礎(chǔ)上探索數(shù)據(jù)受限下的圖像處理分析理論與方法，以應(yīng)對未來面臨的數(shù)據(jù)維度潛在挑戰(zhàn)，已成為圖像處理與分析領(lǐng)域各國競爭的下一步熱點和焦點。

為進一步促進我國關(guān)鍵行業(yè)中圖像處理與分析理論技術(shù)的發(fā)展，及時反映我國學(xué)者在相關(guān)領(lǐng)域的最新研究進展，《中國圖象圖形學(xué)報》邀請國內(nèi)多位一線專家共同策劃推出“圖像數(shù)據(jù)受限”專欄，以期為圖像數(shù)據(jù)小樣本、弱標記、不完備、非確定等相關(guān)問題的研究人員提供參考。

經(jīng)過嚴格評審，“圖像數(shù)據(jù)受限”專欄共收錄學(xué)術(shù)論文4篇，其中：

《數(shù)據(jù)受限條件下的多模態(tài)處理技術(shù)綜述》立足于數(shù)據(jù)受限條件下的多模態(tài)學(xué)習(xí)方法，根據(jù)樣本數(shù)量、標注信息、樣本質(zhì)量等不同維度，將計算機視覺領(lǐng)域中的多模態(tài)數(shù)據(jù)受限方法分為小樣本學(xué)習(xí)、缺乏強監(jiān)督標注信息、主動學(xué)習(xí)、數(shù)據(jù)去噪和數(shù)據(jù)增強5個方向，詳細闡述了各類方法的樣本特點和模型方法的最新進展。并介紹了數(shù)據(jù)受限前提下的多模態(tài)學(xué)習(xí)方法使用的數(shù)據(jù)集及其應(yīng)用方向(包括人體姿態(tài)估計、行人重識別等)，比對分析了現(xiàn)有算法的優(yōu)缺點以及未來的發(fā)展方向，對該領(lǐng)域的發(fā)展具有積極的意義。

《圖像數(shù)據(jù)受限下的處理與分析》指出，對受限圖像數(shù)據(jù)進行處理和分析存在以下挑戰(zhàn)：受限下的圖像數(shù)據(jù)統(tǒng)計一致性弱，難以體現(xiàn)可信且魯棒的集中優(yōu)勢；遮擋、偽裝等情況導(dǎo)致樣本信息乃至維度都具有不完整性或非確定性，以模糊數(shù)學(xué)為基礎(chǔ)的系列處理方法導(dǎo)致計算量劇增；受限圖像數(shù)據(jù)的處理和分析基本屬于不可逆的逆問題，其解空間一般為高維子空間，如何可信魯棒地確定空間中的解，目前尚無有效可行的通用理論和方法；采用隸屬度為測度的系列方法需緊密依賴融入先驗知識構(gòu)造的代價函數(shù)。為促進受限圖像數(shù)據(jù)的研究，論文梳理了對其處理和分析的機理、方法、手段以及遇到的困難，提出了可能的突破方法，以及催生的研究范式改變，以期吸引更多學(xué)者從事該研究。

《面向跨模態(tài)行人重識別的單模態(tài)自監(jiān)督信息挖掘》研究如何利用易于獲得的有標注可見光圖像輔助數(shù)據(jù)進行單模態(tài)自監(jiān)督信息的挖掘，從而提供先驗知識引導(dǎo)跨模態(tài)匹配模型的學(xué)習(xí)。提出的單模態(tài)跨光譜自監(jiān)督信息挖掘方法在SYSU-MM01、RGBNT201和RegDB數(shù)據(jù)集上取得了有競爭力的結(jié)果。

《小樣本條件下的RGB-D顯著性物體檢測》嘗試將小樣本學(xué)習(xí)方法用于RGB-D顯著性物體檢測，探究并利用兩種不同小樣本學(xué)習(xí)方法遷移額外的RGB圖像知識，通過大量實驗驗證了引入小樣本學(xué)習(xí)來提升RGB-D顯著性物體檢測性能的可行性和有效性，對后續(xù)將小樣本學(xué)習(xí)引入其他多模態(tài)檢測任務(wù)也提供了一定啟示。

我們期待廣大讀者和科技人員通過“圖像數(shù)據(jù)受限”專欄，能夠更深入、更全面地了解該領(lǐng)域的最新方法和應(yīng)用，吸引更多學(xué)者從事相關(guān)研究并產(chǎn)生具有國際影響力的優(yōu)秀成果，為本領(lǐng)域的發(fā)展做出新的貢獻。

?？幬瘯?

劉怡光，四川大學(xué)教授，主要研究方向為信息探測與智能感知。

孫顯，中國科學(xué)院空天信息創(chuàng)新研究院研究員，主要研究方向為計算機視覺與遙感圖像理解。

趙啟軍，四川大學(xué)教授，主要研究方向為模式識別、機器視覺。

魏秀參，南京理工大學(xué)教授，主要研究方向為計算機視覺和機器學(xué)習(xí)。

王琦，西北工業(yè)大學(xué)教授，主要研究方向為計算機視覺與模式識別。

?？?zé)編：

陳秀妍，編輯，主要研究方向為學(xué)術(shù)出版和媒體傳播。E-mail：chenxy@aircas.ac.cn