31、线性遗传编程的进化视觉学习

线性遗传编程的进化视觉学习

一、引言

在计算机视觉领域，识别是一个经典问题，其任务是确定图像数据中是否包含特定的对象、特征或活动。人类通常能够很好地完成这项任务，但对于计算机来说，在处理任意场景下的任意对象时，仍不能令人满意地解决该问题。

目前，人工视觉系统中的对象识别研究主要从两个不同的视角展开：特定对象的识别和对象类别的识别。例如，识别自己的汽车属于特定对象识别，而将汽车作为一个类别进行识别则属于对象类别识别。对象识别问题可以正式定义为：给定图像 $I$、包含 $k$ 个对象的数据库以及每个对象 $j$ 在图像数据库中的一种表示 $R_j$，对象识别任务可以表示为搜索表达式 $Q = argminc(R_j,I)$（$j\in 1,..,k$）中的最小参数，其中 $c(R_j,I)$ 是一个提供对象 $j$ 在图像 $I$ 中表示的兼容性或一致性的函数。

二、遗传编程在对象识别中的应用

近年来，遗传和进化算法被用于解决识别问题，以下是一些相关的研究工作：
1. Tackett（1993） ：使用遗传编程（GP）将检测到的图像特征分配给车辆（如美国陆军 NVEOD 地形板图像上的坦克）进行分类。该遗传编程方法在相同数据上优于神经网络和二叉树分类器，产生了更低的误报率。
2. Teller 和 Veloso（1995） ：基于 PADO 语言和本地索引内存，应用遗传编程执行人脸识别任务。该方法在五类分类任务上进行了测试，对于无噪声图像达到了 60% 的准确率。
3. Howard 等人（1999；2002） ：提出