20180725-22 李泽超:社交网络图像理解

报告嘉宾：李泽超（南京理工大学）

报告时间：2018年07月25日（星期三）晚上20:00（北京时间）

报告题目：社交网络图像理解

主持人：严骏驰（上海交通大学）

报告人简介：

李泽超，南京理工大学计算机科学与工程学院教授。分别于2008年和2013年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是媒体智能分析，社交媒体挖掘等。相关研究成果发表ACM/IEEE Transactions或者CCF A类会议论文30余篇；2017年获得江苏省杰出青年基金资助，入选中国科协青年人才托举工程，获得2017年江苏省科学技术一等奖（排名第三）、2015年中科院优秀博士论文奖、2015年CCF优秀博士论文奖等。目前担任CCF多媒体技术专委会副秘书长、江苏省人工智能学会机器学习专委会常务委员。

报告摘要：

图像视频大数据智能分析与理解在多种实际应用中具有至关重要的作用，比如无人驾驶、网络空间内容安全以及社会公共安全等。针对图像视频大数据智能理解，从底层特征表示到高层语义理解展开研究。提出了多种面向语义理解的特征选择方法以及特征抽取方法，从原始特征中选择有效的特征子集以及学习到一个有效的特征表示；提出了渐进式度量学习方法，挖掘社交网络的上下文信息，建立底层特征与高层语义之间的语义映射；提出了分析社交网络用户信息的三元张量分解模型，解决了超级稀疏以及计算量大的问题，提高社交网络图像的标签质量。

参考文献：

[1] Zechao Li, Jinhui Tang, Tao Mei. Deep Collaborative Embedding for Social Image Understanding. IEEE Trans. Pattern Anal. Mach. Intell.

[2] Zechao Li, Jing Liu, Jinhui Tang, Hanqing Lu. Robust Structured Subspace Learning for Data Representation. IEEE Trans. Pattern Anal. Mach. Intell. 37(10): 2085-2098 (2015)

[3] Jinhui Tang, Xiangbo Shu, Guo-Jun Qi, Zechao Li, Meng Wang, Shuicheng Yan, Ramesh Jain. Tri-Clustered Tensor Completion for Social-Aware Image Tag Refinement. IEEE Trans. Pattern Anal. Mach. Intell. 39(8): 1662-1674 (2017)

[4] Zechao Li, Jinhui Tang, Xiaofei He. Robust Structured Nonnegative Matrix Factorization for Image Representation. IEEE Trans. Neural Netw. Learning Syst. 29(5): 1947-1960 (2018)

[5] Zechao Li, Jinhui Tang. Weakly Supervised Deep Matrix Factorization for Social Image Understanding. IEEE Trans. Image Processing 26(1): 276-288 (2017)

[6] Zechao Li, Jinhui Tang. Weakly Supervised Deep Metric Learning for Community-Contributed Image Retrieval. IEEE Trans. Multimedia 17(11): 1989-1999 (2015)

[7] Zechao Li, Jinhui Tang. Unsupervised Feature Selection via Nonnegative Spectral Analysis and Redundancy Control. IEEE Trans. Image Processing 24(12): 5343-5355 (2015)

[8] Zechao Li, Jing Liu, Yi Yang, Xiaofang Zhou, Hanqing Lu. Clustering-Guided Sparse Structural Learning for Unsupervised Feature Selection. IEEE Trans. Knowl. Data Eng. 26(9): 2138-2150 (2014)

18-22期VALSE在线学术报告参与方式：

长按或扫描下方二维码，关注”VALSE“微信公众号（valse_wechat），后台回复”22期“，获取直播地址。

特别鸣谢本次Webinar主要组织者：

VOOC责任委员：严骏驰（上海交通大学）

VODB协调理事：王瑞平（中科院计算所）

活动参与方式：

1、VALSE Webinar活动依托在线直播平台进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；

2、为参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ群（目前A、B、C、D、E、F、G群已满，除讲者等嘉宾外，只能申请加入VALSE H群，群号：701662399）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、在活动开始前5分钟左右，讲者会开启直播，听众点击直播链接即可参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；

4、活动过程中，请不要说无关话语，以免影响活动正常进行；

5、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；

6、建议务必在速度较快的网络上参加活动，优先采用有线网络连接；

7、VALSE微信公众号会在每周一推送上一周Webinar报告的总结及视频（经讲者允许后），每周四发布下一周Webinar报告的通知及直播链接。