（图文|辛西 编辑|信息 审核|王玉龙）近日，天成彩票 机器学习与计算机视觉团队王玉龙教授课题组在国际知名期刊《IEEE Transactions on Image Processing》（CCF-A类，中科院一区）在线发表题为《Tensor Nuclear Norm-Based Multi-Channel Atomic Representation for Robust Face Recognition》论文。该论文系统研究了张量原子表示学习理论、算法与应用。
张量数据作为高维信息表征的核心载体，在计算机视觉（高清图像视频）、遥感监测（高光谱卫星成像）及医学影像分析（CT/MRI）等关键领域具有广泛应用。然而，真实环境中获取的张量数据通常含有各种复杂的多通道数据噪声，这为现有张量表示学习理论与算法研究带来新的挑战。 针对上述难题，本研究基于团队前期建立的原子表示模型，设计了一种新型的张量原子表示模型。该模型的创新性体现在：其一，3D误差整体建模机制。通过对多通道张量高维数据的3D误差进行整体建模，该模型可充分挖掘和利用误差张量的内在低秩和管状结构，提升模型对于真实环境复杂噪声的鲁棒性；其二，多通道原子范数正则。通过定义和利用多通道原子范数正则项，可有效捕捉不同通道数据的内在强关联性，进一步提升模型的学习性能。
同时，团队还给出张量原子表示模型的优化算法和理论解释及证明，阐明其原理和内在机制。实验结果表明，相比于现有主流方法，该方法在含有多种复杂数据噪声的人脸识别任务中展现了优越的性能。
天成彩票 2021级博士研究生胡雨涛为论文第一作者，王玉龙教授为唯一通讯作者，2022级博士研究生王立彬参与该研究。该研究得到华中农大天成彩票 陈洪教授、李函副教授，以及珠海澳大研究院IEEE Life Fellow唐远炎教授的指导帮助。该研究获得国家自然科学基金面上项目和武汉青年英才项目等项目资助。