平行图像:图像生成的一个新型理论框架

被引：33

作者：

王坤峰 ^{[1
,2
]}

鲁越 ^{[1
,3
]}

王雨桐 ^{[1
,3
]}

熊子威 ^{[3
]}

王飞跃 ^{[1
,4
]}

机构：

[1] 中国科学院自动化研究所复杂系统管理与控制国家重点实验室

[2] 青岛智能产业技术研究院平行视觉创新技术中心

[3] 中国科学院大学计算机与控制学院

[4] 国防科学技术大学军事计算实验与平行系统技术研究中心

来源：

模式识别与人工智能 | 2017年 / 30卷 / 07期

关键词：

平行图像; 模型学习; 图形渲染; 图像风格迁移; 生成式模型;

D O I：

10.16451/j.cnki.issn1003-6059.201707001

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了提高计算机视觉系统的泛化能力,要求利用大规模、多样化、带标注的图像数据集,对视觉模型进行充分的学习与评估.由于从实际场景中获取图像具有局限性,文中提出一种图像生成理论框架,称为平行图像.平行图像的核心单元是软件定义的人工图像系统.从实际场景中获取特定的图像"小数据",输入人工图像系统,生成大量新的人工图像数据.文中总结平行图像的实现方法,包括图形渲染、图像风格迁移、生成式模型等,并且对比分析人工图像和实际图像的特点,讨论领域适应策略.

引用

页码：577 / 587

页数：11

共 10 条

[1] 关于二型模糊集合的一些基本问题 [J].

王飞跃 ;

莫红 .

自动化学报, 2017, 43 (07) :1114-1141

[2]

Parallel Learning:a Perspective and a Framework[J]. Li Li,Yilun Lin,Nanning Zheng,Fei-Yue Wang.IEEE/CAA Journal of Automatica Sinica. 2017(03)

[3] 生成式对抗网络GAN的研究进展与展望 [J].

王坤峰 ;

苟超 ;

段艳杰 ;

林懿伦 ;

郑心湖 ;

王飞跃 .

自动化学报, 2017, 43 (03) :321-332

[4] 平行学习—机器学习的一个新型理论框架 [J].

李力 ;

林懿伦 ;

曹东璞 ;

郑南宁 ;

王飞跃 .

自动化学报, 2017, 43 (01) :1-8

[5]

Steps toward Parallel Intelligence[J]. Fei-Yue Wang,Xiao Wang,Lingxi Li,Li Li.IEEE/CAA Journal of Automatica Sinica. 2016(04)

[6]

平行视觉:基于ACP的智能视觉计算方法[J]. 王坤峰,苟超,王飞跃.自动化学报. 2016(10)

[7] Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond [J].

FeiYue Wang ;

Jun Jason Zhang ;

Xinhu Zheng ;

Xiao Wang ;

Yong Yuan ;

Xiaoxiao Dai ;

Jie Zhang ;

Liuqing Yang .

IEEE/CAAJournalofAutomaticaSinica, 2016, 3 (02) :113-120

[8] 平行控制:数据驱动的计算控制方法 [J].

王飞跃 .

自动化学报, 2013, 39 (04) :293-302

[9] 平行系统方法与复杂系统的管理和控制 [J].

王飞跃 .

控制与决策 , 2004, (05) :485-489+514

[10]

A game-engine-based platform for modeling and computing artificial transportation systems. Miao, Qinghai,Zhu, Fenghua,Lv, Yisheng,Cheng, Changjian,Chen, Cheng,Qiu, Xiaogang. IEEE Transactions on Intelligent Transportation Systems;SPECIAL ISSUE ON ARTIFICIAL TRANSPORTATION SYSTEMS AND SIMULATION . 2011

← 1 →