由概念驱动的多模态多媒体信息融合技术

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61001148
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    魏骁勇
  • 依托单位：
    四川大学
  • 学科分类：
    F0117.多媒体信息处理
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

本项目针对多媒体的多源特性，提出一种新颖的、由概念驱动的多媒体信息融合方法，充分利用模态间信息互补优势，对多媒体信息进行在语义层的挖掘和检索。为解决查询空间与模态权重空间之间的不可直接映射问题，该方法构建一个概念空间作为映射的桥梁。该概念空间是能综合表达用户查询所包含的语义、视觉和上下文信息的一个最紧致概念集合张成的向量空间。该空间可以对查询信息进行向量化，从而为后继的信息挖掘和分析算法提供规范和量化的基础。同时，由于概念集可提前预知，概念空间与模态权重空间的映射关系也可以预先学习或估计。利用这些预学习的知识，该方法使用模糊综合评价的方法将向量化后的用户查询动态地、自适应地映射到模态权重空间，从而解决查询空间到权重空间的映射难题，同时完成对多模态数据的有机整合。本项目研究成果将成为多模态融合技术一个新的分支，为网络信息的高层认知提供基础算法，并为视频的检索、不良信息过滤等应用提供理论基础。

结项摘要

本项目提出了一种新颖的、由概念驱动的多媒体信息融合方法。该方法充分利用模态间信息互补优势，动态地根据用户给定查询中的语义内容给各模态分配合理的融合权重，从而对多媒体信息进行语义层的精确检索。该方法在大规模视频数据集的表现达到或超过国际同类方法的水平。项目组按原计划开展了研究，并获得了达到或超出预期的研究成果，发表论文6篇，全部为多媒体方向的顶级国际期刊和国际会议，并申请专利6项。项目组积极参与国际交流，邀请本方向国内外知名专家来访6人次，项目组成员受邀赴国(境)外交流19人次，并与加拿大渥太华大学、芬兰坦佩雷大学、香港城市大学、中科院自动化所的相关实验室建立了长期的合作关系。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
Coaching the Exploration and Exploitation in Active Learning for Interactive Video Retrieval
指导交互式视频检索主动学习中的探索和利用
  • DOI：
    10.1109/tip.2012.2222902
  • 发表时间：
    2013-03
  • 期刊：
    IEEE Transactions on Image Processing
  • 影响因子：
    10.6
  • 作者：
    Wei, Xiao-Yong;Yang, Zhen-Qun
  • 通讯作者：
    Yang, Zhen-Qun
Concept-Driven Multi-Modality Fusion for Video Search
概念驱动的视频搜索多模态融合
  • DOI：
    10.1109/tcsvt.2011.2105597
  • 发表时间：
    2011
  • 期刊：
    IEEE Transactions on Circuits and Systems for Video Technology
  • 影响因子：
    8.4
  • 作者：
    Xiao-Yong Wei;Yu-Gang Jiang;Chong-Wah Ngo
  • 通讯作者：
    Chong-Wah Ngo

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于掌纹的身份鉴别综述
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    云南大学学报（自然科学版）
  • 影响因子：
    --
  • 作者：
    袁国武;魏骁勇;徐丹
  • 通讯作者：
    徐丹
基于掌纹的身份鉴别
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机辅助设计与图形学学报
  • 影响因子：
    --
  • 作者：
    袁国武;魏骁勇;徐丹
  • 通讯作者：
    徐丹

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

魏骁勇的其他基金

基于关注发现、标题提取、以及语义索引的查询感知视频诠释模型
  • 批准号：
    61872256
  • 批准年份：
    2018
  • 资助金额：
    63.0 万元
  • 项目类别：
    面上项目
用于交互式视频检索的教练式主动学习模型
  • 批准号：
    61272256
  • 批准年份：
    2012
  • 资助金额：
    82.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码