项目名称: 社会化视频语义分析关键技术研究

项目编号: No.61472392

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 查正军

作者单位: 中国科学院合肥物质科学研究院

项目金额: 81万元

中文摘要: 社会网络的兴起和视频采集设备的普及催生了社会化视频数据,其规模呈爆炸式增长。高效的社会化视频语义分析技术成为迫切需求。然而传统的视频分析技术无法有效地分析模式复杂、内容多样的社会化视频数据。本课题致力于研究社会化视频语义分析中的关键技术。拟通过社会标签收集多来源网络媒体数据,对数据进行清洗去噪,为语义概念建模构建高质量的样本集;在此基础上,综合利用多源样本以及多模态特征建立高性能的语义概念模型;进而深入挖掘社会化视频的社会上下文信息,合理融合上下文信息对视频的语义分析结果进行优化;并引入人机交互,提出结合社会化视频数据特性的主动学习方法,对语义概念模型进行更新和完善。本课题将有力推动视频分析理论和应用的发展,为新一代视频服务与管理提供核心算法和技术。

中文关键词: 社会化视频;视频语义分析;视频检索

英文摘要: The rapid advances of social network and video capture devices have spawned social video. We have witnessed an explosive growth of social video in recent years. Effective techniques for analyzing social videos are highly desired. However, conventional video analysis techniques cannot well analyze social video data, which contains complicated patterns and diverse content. In this proposal, we target to address the key issues in social video semantic analysis and propose an effective solution. We first propose to construct a high-quality training set, which is used for learning semantic concepts, by leveraging social tags. The media entities, such as images and video clips, are collected through their associated social tags from multiple Web sites. The collected entities are then denoised to form the training set, based on which, we propose to build the models of semantic concepts by simultaneously using multi-source samples and multi-modality features. The models are in turn used to infer the semantic of social videos. We then propose to mine the social context of videos and use social context to help optimize the semantic analysis results. We also propose to incorporate human interaction into social video semantic analysis. An active learning approach is developed to refine the models of semantic concepts. The approach takes into account the properties of social video data. Our research will surely make an important advance in the theories and applications of video analysis and it will play an important role in next-generation video management and service technologies.

英文关键词: Social video;Video Semantic Analysis;Video Retrieval

成为VIP会员查看完整内容
1

相关内容

《面向6G的数字孪生技术》未来移动通信论坛
专知会员服务
70+阅读 · 2022年4月15日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
专知会员服务
52+阅读 · 2021年8月17日
专知会员服务
14+阅读 · 2021年3月26日
跨媒体分析与推理技术研究综述
专知会员服务
69+阅读 · 2021年3月11日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
你有订阅视频平台会员服务吗?
ZEALER订阅号
0+阅读 · 2021年12月18日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
【北大】知识图谱的关键技术及其智能应用
专知
112+阅读 · 2019年9月19日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
小贴士
相关VIP内容
《面向6G的数字孪生技术》未来移动通信论坛
专知会员服务
70+阅读 · 2022年4月15日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
专知会员服务
52+阅读 · 2021年8月17日
专知会员服务
14+阅读 · 2021年3月26日
跨媒体分析与推理技术研究综述
专知会员服务
69+阅读 · 2021年3月11日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
相关资讯
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员