专家推荐 | 社交媒体多模态表示学习
点击中国图象图形学报→主页右上角菜单栏→设为星标
图片来源网络
2020年5月10日，CCF广州和广东省计算机学会联合举办“智能和优化理论及其应用实践”青年学术专题论坛，主要从智能和优化角度对人工智能技术及相关问题展开讨论。论坛邀请了中山大学郑伟诗教授、华南理工大学黄翰教授、暨南大学黄斐然博士和广东工业大学蔡瑞初教授，从跨视野学习、演化计算、因果性学习、多模态计算等不同角度交流了人工智能技术和应用的最新成果。
本期图图带来黄斐然老师在本次论坛上的报告——《社交媒体多模态表示学习》，由暨南大学黄书强教授特别推荐。
相比于传统数据，社交媒体数据包含多种模态的内容，比如视觉内容、文本描述、用户信息、社交关系等，给传统的数据挖掘和分析方法带来了很大的挑战。
图片来源网络
黄老师的报告中针对社交图像多模态数据的异构性、交互性、多样性等特点，综合应用深度学习、表示学习、多模态融合等相关先进技术，详细介绍了融合关联关系和元数据信息的社交媒体多模态表示学习。
从事相关研究的图粉可以在文末找到报告文件获取方式哦
黄斐然，暨南大学网络空间安全学院，博士、硕士生导师。主要研究方向为：社交网络，视觉多媒体。
E-mail: huangfr@jnu.edu.cn
个人主页：
发表论文
（向上滑动查看更多）
[1] Huang Feiran, Zhang Xiaoming, Li Zhoujun. Learning joint multimodal representation with adversarial attention networks[C]//Proceedings of the 26th ACM international conference on Multimedia. 2018: 1874-1882.
[2] Huang Feiran, Zhang Xiaoming, et al. Multimodal network embedding via attention based multi-view variational autoencoder[C]//Proceedings of the 2018 ACM on International Conference on Multimedia Retrieval (ICMR 2018). 2018: 108-116.
[3] Huang Feiran, Zhang Xiaoming, Li Zhoujun, et al. Learning social image embedding with deep multimodal attention networks[C]//Proceedings of the ACM Multimedia 2017, Thematic Workshop. 2017: 460-468.
[4] Huang Feiran, Zhang Xiaoming, et al. Multimodal learning of social image representation by exploiting social relations[J]. IEEE transactions on cybernetics, 2019.
[5] Huang Feiran, Zhang Xiaoming, et al. Bi-directional spatial-semantic attention networks for image-text matching[J]. IEEE Transactions on Image Processing, 2018, 28(4): 2008-2020.
[6] Huang Feiran, Xu Jie, Weng Jian. Multi-Task Travel Route Planning with A Flexible Deep Learning Framework[J]. IEEE Transactions on Intelligent Transportation Systems, 2020. (Accept)
[7] Feiran Huang, Kaimin Wei, Jian Weng, and Zhoujun Li. 2020. Attention based Modality-Gated Networks for Image-Text Sentiment Analysis. ACM Trans. Multimedia Comput. Commun. (Accept)
[8] Feiran Huang, Zhang Xiaoming, et al. Image–text sentiment analysis via deep multimodal attentive fusion[J]. Knowledge-Based Systems, 2019, 167: 26-37.
[9] Xu Jie, Li Zhoujun, Huang Feiran*. Visual Sentiment Analysis with Social Relations-Guided Multi-Attention Networks[J]. IEEE transactions on cybernetics, 2020. (Accept)
黄书强，暨南大学理工学院，教授、硕士生导师。主要研究方向为：网络与优化。
E-mail：hsq@jnu.edu.cn
个人主页：
添加小编微信 备注【单位+姓名】
获取报告文件
直播预告
图图Seminar学术直播又来啦~
本周日上午10:00，快来听南京理工大学陈强教授讲解AI研究中的实验数据问题！
参与直播互动，有机会免费获得“星巴克同款”JIG定制水杯和《中国图象图形学报》2020年1-5期精美纸刊！
点击图片了解直播详情：
前沿进展 | 多媒体信号处理的数学理论
中国卫星遥感回首与展望
单目深度估计方法：现状与前瞻
目标跟踪40年，什么才是未来？
10篇CV综述速览计算机视觉新进展
算法集锦 | 深度学习在遥感图像处理中的六大应用
封面故事 | 从传统到深度：火灾烟雾识别综述
封面故事 | 光场数据压缩综述
学者观点 | 结合深度学习和半监督学习的遥感影像分类
编辑推荐 | 视频 + 地图！四维信息助力实景中国
深度学习+图像降噪，如何解决“卡脖子”问题？
专家推荐|高维数据表示：由稀疏先验到深度模型
专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用
专家推荐|真假难辨还是虚幻迷离，参与介质图形绘制让人惊叹！
学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】
专家报告|深度学习+图像多模态融合
专家报告 | 类脑智能与类脑计算
100页PPT！道尽Pansharpening 的数学建模机理
实战例题！200+PPT带你看懂监督学习
118页PPT！机器学习模型参数与优化那些事儿~
专家开讲 | 机器学习究竟是什么？
Hinton，吴恩达，李飞飞 ！大师深度学习课程集锦
羡慕别人中了顶会？做到这些你也可以！
如何阅读一篇文献？
共享 | SAR图像船舶切片数据集
资源分享| 不知道如何获取最新的算法资讯？快来这里看一看
资源分享|热门IT资讯号推荐
《中国图象图形学报》2020年第2期目次
《中国图象图形学报》2020年第1期目次
《中国图象图形学报》2019年第12期目次
《中国图象图形学报》2019年第11期目次
《中国图象图形学报》2019年第10期目次
本文内容仅供学习交流
版权属于原作者
欢迎大家关注转发！
编辑：秀 秀
指导：梧桐君
审校：夏薇薇
总编辑：肖 亮
声 明
欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。
与你同在
前沿 | 观点 | 资讯 | 独家
电话：010-58887030/7035/7418
网站：www.cjig.cn
相关内容
微信扫码咨询专知VIP会员