拉斯维加斯手机娱乐网站 自然科学奖授予在我国图像图形领域基础研究和应用基础研究中阐明自然现象、特征和规律，做出重大科学发现的个人和团队。

为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后的故事，学会近日对荣获2022年度CSIG自然科学奖二等奖“图像的多尺度特征融合与自适应判别分析”的项目团队进行了专访，以对话的形式，为读者们提供一次了解他们的机会。 

下面就跟着我们的脚步，走近今天的受访团队吧。

问题一：感谢您接受CSIG专访，请先介绍一下您的团队：

项目团队主要由中山大学数学学院和计算科学与计算机应用研究所的部分科研骨干组成，包括任传贤、戴道清、赖兆荣（暨南大学）和黄可坤（嘉应学院）。团队长期致力于视觉模式识别的理论与算法研究，在视觉特征融合、判别分析与自适应的表征学习领域取得了一系列具有影响力的原创性成果，相关工作发表在IEEE TPAMI、TIP、TNNLS、CVPR、AAAI等国际高水平刊物或会议，申请国家发明专利近10项。面向国家重大发展需求与科技前沿研究，团队先后承担了国家基金委重点项目、联合基金重点支持项目等课题。任传贤教授也获得广东省自然科学基金杰出青年项目支持。

问题二：项目介绍：

随着数据获取技术的快速发展，复杂视觉场景下的学习理论与建模已成为人工智能理论创新的重要内容。例如，高清摄像头的广泛部署与大规模无约束数据集的出现使得机器学习方法面临的主要瓶颈已由传统的低维、同分布、标准实验环境转向高维、异分布、不受限环境，引发了对于多样性判别表达、可泛化学习理论与稳健稀疏建模等研究内容的广泛需求，也成为发展新一代人工智能理论与技术的重要着力点。

面对这些难题与挑战，项目团队以视觉特征的判别性、迁移性与稳健性为切入点，开展了系统的深入研究，建立了复杂视觉模式的表征学习方法与模型，取得了如下重要科学发现。

（1）提出了基于梯度算子与对数变换的视觉描述子，建立多尺度特征生成与多核判别融合框架，发现了局部排序信息的统计特征在刻画复杂视觉数据空间结构方面的优势，揭示了多样化特征的视觉权重学习规律，保障了模型的视觉可解释性与计算高效性。

（2）提出了复杂跨域数据的流形嵌入与最优传输理论，推导了几类流形上的可迁移度量学习准则，证明了度量估计的统计渐进性质与可解释性质，建立了语义感知的自适应学习理论与框架，缓解了无监督情形下跨域判别度量学习和模型参数优化的难题。

（3）探究了复杂数据的群组稀疏性原理，提出了基于L21范数正则化的视觉特征表达与编码模型，从概率角度研究了新模型最优解的有关性质，弱化了离群点对稀疏模型学习的干扰，提高了模型在噪声干扰环境下的稳健性。

上述原创性成果受到了国内外学术界的广泛关注，并得到了本领域学术专家的引用与高度评价，其中包括多位IEEE/ACM/IAPR/AAAI/AAAS Fellow与加拿大科学院、欧洲科学院、芬兰科学院院士等，受到的积极肯定评价如“有效的（effective）、易于实现的（implemented easily）、有效处理噪声（handle noise well）”等。

问题三： 在科研过程中，有没有什么好的方法可以推荐给大家？

结合本项目的研究过程，本人想从如下两个角度谈一谈自己的体会，与大家共勉。

(1) 固本强基 在研究视觉表征的描述子与稀疏稳健的建模时，往往会涉及到从信号处理、统计建模到成像噪声、离群数据等多方面的问题。因此，在本项目研究中，我们尝试主动寻找以实际问题为中心且辐射相关领域的经典文献，从根源上找出关键问题所在，从而能够迅速建立有效的理论、方法、模型等。这些尝试在解决本项目的核心问题方面起着关键作用。

(2) 大道至简 以自适应表征的迁移性研究为例，当前的主流研究大多聚焦于分布适配角度，从而在分布之间的度量及其计算复杂度方面产生了瓶颈。因此，在项目的研究过程中，我们尝试从流形的角度对表征的迁移性建立了简单有效的表述，努力让问题回归到“初心”，从而得到了一些更可靠的理论保障与可解释性，也有效的提升了模型的识别精度。

问题四：在项目的研究过程中有遇到什么困难吗？是如何解决的？

在项目的深入研究过程中，通常会遇到如基础框架受限、理论支撑薄弱等本质问题，这往往需要对现有的方法进行反思与改进，并发展对应的基础理论与基本方法。本项目中，在尝试刻画跨域特征表达之间的分布差异时，现有的主流框架大多基于边际分布的学习与匹配，而缺乏有关条件分布的理论支撑与度量工具。本项目重新思考了与条件分布有关的基础理论，包括核嵌入与最优传输原理，从而实现了基于条件分布度量与适配的自适应特征表达。

问题五：您的获奖感言：

首先非常感谢拉斯维加斯手机娱乐网站 在提供学术交流平台、构建学术评价体系、调动促进科研工作者积极性和创造性等方面的辛苦付出！同时也感谢学会与同行专家对我们工作的肯定！感谢学院领导和同事对我们团队一如既往的支持、关心和厚爱！在未来的日子里，我们将继续关注国家重大发展需求与科技创新前沿，为国家的科研与教育事业贡献自己的绵薄之力。