个人简介： 徐常胜，中国科学院自动化所研究员，国家杰出青年基金获得者，科技部重点领域创新团队负责人，国家重点研发计划项目首席科学家，中国科学院王宽诚率先人才计划卢嘉锡国际团队负责人。国际电子电气工程师学会会士（IEEE Fellow)，国际模式识别学会会士（IAPR Fellow），国际计算机学会杰出科学家（ACM Distinguished Scientist）。担任国际计算机学会多媒体专委会中国区（ACM SIGMM China Chapter）主席和中国计算机学会多媒体专委会副主任。担任国际期刊Multimedia Systems主编，担任过国际期刊“IEEE Transactions on Multimedia”和“ACM Transactions on Multimedia Computing, Communication and Applications”编委以及国际顶级多媒体会议“ACM Multimedia Conference”程序委员会主席。在多媒体分析，计算机视觉，模式识别，图像处理等领域发表论文400多篇，其中IEEE和ACM汇刊论文120余篇，国际顶级会议论文80余篇。在多媒体国际顶级会议和期刊上获得最佳论文奖10余次。获得2018年中国电子学会自然科学一等奖，2009年中国计算机学会青年科学家奖，7次获得中国科学院优秀导师奖。 主要内容： 随着便携式数码设备的普及和移动互联网的发展，海量的视频大数据亟需智能的视频理解技术。视频理解是一个融合视频底层特征信息和高层语义信息的过程，并服务于用户的不同需求。高效的视频理解技术可以使计算机智能地完成各种视频相关的任务，如视频监控、视频娱乐等。视频大数据具有（1）时空复杂，（2）底层特征与高层语义之间存在“语义鸿沟”，（3）类别丰富，（4）多模态，（5）个性化需求多样等特点。这些特点在视频数据中表现为纷繁复杂的关系信息，因此为视频的智能理解带来了巨大的挑战。事实上，针对视频中复杂而多样的关系模式进行学习对深入地理解视频内容是至关重要的。本报告围绕如何设计有效的关系学习方法来进行视频理解展开，自底向上地重点研究了视频中的三种关系结构信息：首先针对视频中的物体层面，研究了物体表观中的结构化关系建模；接着以物体为纽带，深入挖掘了视频中的物体-语义关系信息，从而实现了视频高层语义的自动提取；最后，探索了视频语义-用户兴趣之间的关系，完成了视频的个性化服务。
|
浙公网安备 33100202001351号
