大视觉数据的涌现技术与应用

---

从固定的到移动的，甚至是机载的，已部署的网络摄像机的数量呈指数级增长，对更好地捕捉、压缩、联网、计算和可视化这些海量可视化数据的高效技术提出了强烈的要求。摘要各类传感器的大视觉数据的新兴技术和应用引起了工业界、学术界和政府的高度关注。然而，仍然有许多挑战需要克服，如高效的分析大可视化数据的技术和应用相关困难的通用解决方案。因此，我们在本期特刊中征集了涉及大视觉数据关键解决方案的文章:大视觉数据的传感和捕获;大视觉数据的特征表示与压缩大视觉数据的网络化和传播;大视觉数据的存储与检索;大视觉数据的安全性与隐私性;大视觉数据的计算与分析;大视觉数据的云处理与虚拟化 new applications and services of big visual data; and so forth. Before delving in the particular articles, we first share thoughts with respect to big visual data.

数据采集和存储是大数据分析的初始过程。虽然许多研究人员试图定义什么是大数据，但对大数据更流行的描述来自它们所拥有的属性。例如，大数据的三个定义维度是容量、多样性和速度，这三个维度被称为three Vs.在捕获数据时，为了提供高质量的数据，必须考虑上述属性。然而，对海量数据进行数字化和标记是非常耗时的，有时还会违反个人隐私保护。因此，对大视觉数据的安全性和隐私性也必须进行大量的讨论和研究。

从大规模数据中提取结构信息的方法有很多。值得一提的是，机器学习是一个强大的工具，可以通过从过去的历史或可用的训练数据中学习模型来识别/预测未知的测试数据。近年来，利用卷积神经网络(CNNs)进行深度学习，从大量的训练数据中学习，在特征表示、系统建模和类预测等方面发挥着重要作用。但由于计算量大，模型复杂度高，限制了模型的通用性。如何降低深度学习的计算复杂度，提高深度学习的可扩展性，是近年来研究的热点。一个典型的应用是从大规模的真实世界的视觉数据中进行人脸检测。

分析大数据最终是为了提高对社会的服务。从全球气候变化预测到日常生活应用，新兴应用层出不穷。例如，医疗保健、客户行为、智能交通、推荐系统和能源分配。例如，其他应用包括从社交媒体数据探索和理解社会动态，以及基于出租车轨迹的城市计算，以探索关于城市及其公民的知识。在本专刊中，研究了与大视觉数据相关的几个应用。

本刊编委会共收到稿件20篇，其中5篇被录用，录取率为25%。讨论了与大视觉数据相关的各种应用和技术。更具体地说，Y. Yu等人提出了一种基于开放动力学引擎(ODE)的基于物理的三维角色动画方法，以避免从动作捕捉设备获取大数据。X. Sun等人提出了一种基于梯度域图像滤波的微光图像增强方法，该方法能有效提取底层图像的光照分量。为了有效解决在线用户的信息过载问题，F. Zhang等人提出了一种考虑目标用户最近邻重要性的优先扩散电影推荐算法。采集了大量的医学CT图像，建立了一个庞大的医学数据库。X. Duan等人采用主动形状模型自动重建主动脉夹层，辅助医生进行手术。

处理大规模文本自动处理,此外,它使用一个事件网络隐藏词法关系在文档事件和事件之间的逻辑关系,y史等人利用扩大中国事件语料库(CEC)的数据源和先验知识表现规则的事件和关系为导向,建立基于知识的事件表现规则，实现事件网络的自动构建，提高事件网络的文本处理性能。

大视觉数据分析作为一个热门的研究课题，越来越多的会议和期刊对大视觉数据分析的文章提出了要求，增强了跨学科合作，创造了新的研发领域。我们相信，在未来几年，将会有越来越多的理论进步和大视觉数据的杀手级应用出现。

杨洁篪方
Jenq-Neng黄
小明霍
Hyo-Jong李
约阿希姆登茨勒

版权

版权所有©2017方志军等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。