面向教育知识服务的视觉内容感知显示方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61370186
  • 项目类别：
    面上项目
  • 资助金额：
    76.0万
  • 负责人：
    陈强
  • 依托单位：
    广东第二师范学院
  • 学科分类：
    F0209.计算机图形学与虚拟现实
  • 结题年份：
    2017
  • 批准年份：
    2013
  • 项目状态：
    已结题
  • 起止时间：
    2014-01-01 至2017-12-31

项目摘要

Nowadays, there are several challenges of educational knowledge services in intelligent multimedia processing. According to the background of schools, families and social education, based on the theories of psychology of learning, content awareness, graphic/image processing, sparse representation and video re-adaptation, we conduct research on visual content-aware display methods of video resources in educational knowledge services. The major research issues are as follows: 1) We conduct research on the common characteristics of video media data in educational knowledge services. We propose to build a feature-aware optimization display model, and form a unified visual media processing framework, so as to enhance the integrated expressiveness of educational knowledge services; 2) For multi-scale and diverse display terminals, we will propose a novel video refinement and adaptive display method, using the video re-adaptation and high-precision progressive display technology to improve the adaptive display ability of educational knowledge services; 3) We will design a high-quality display method for educational video services based on the sparse optimization and therefore improve the video display quality for the remote online education and mobile education. The project is expected to accomplish a prototype system of visual content-aware processing and display used for educational knowledge services. We will also verify the proposed content-aware display theories and algorithms for the video resources in educational knowledge services. The results will help to solve the problems of educational video display, and provide theoretical and technical support for cloud educational display services.
本项目针对当前教育知识服务在多媒体智能处理方面所面临的新挑战，以学校、家庭和社会教育为背景，基于学习心理学、内容感知、图形图像处理、稀疏表示、视频适配等理论，研究教育知识服务视频资源的视觉内容感知显示方法，重点包括：1）研究教育知识服务中视频媒体数据的共性特征，建立一种特征感知优化显示模型，形成统一的视觉媒体处理框架，增强教育知识服务综合表现力；2）针对多尺度和多样化显示终端，提出一种基于视频重适配显示和高精度图形图像渐进显示技术的视频精化显示适配方法，增强教育知识服务的自适应显示能力；3）研究和提出一种基于稀疏最优化的高质量教育视频服务显示方法，提高远程在线教育和移动教育视频显示质量。项目最终将实现面向教育知识服务的视觉内容感知处理普适化显示原型系统，验证上述教育知识服务视频资源的内容感知显示理论方法和算法技术。本项目有望解决教育视频显示的上述难题，为云教育服务显示提供理论和技术支持。

结项摘要

针对当前教育知识服务在多媒体智能处理方面所面临的新挑战，本项目以学校、家庭和社会教育为背景，基于学习心理学、内容感知、图形图像处理、稀疏表示、视频适配等理论，研究了教育知识服务视频资源的视觉内容感知显示方法，重点研究的内容包括：1）研究了教育知识服务中视频媒体数据的共性特征，建立了一种特征感知优化显示模型，形成了统一的视觉媒体处理框架，增强了教育知识服务综合表现力；2）针对多尺度和多样化显示终端，提出了一种基于视频重适配显示和高精度图形图像渐进显示技术的视频精化显示适配方法，增强了教育知识服务的自适应显示能力；3）研究和提出了一种基于稀疏最优化的高质量教育视频服务显示方法，提高了远程在线教育和移动教育视频显示质量。项目最终实现了面向教育知识服务的视觉内容感知处理普适化显示原型系统，验证了上述教育知识服务视频资源的内容感知显示理论方法和算法技术的正确性。本项目解决了教育视频显示的上述难题，为云教育服务显示提供了理论和技术支持。项目发表学术论文 15篇， 其中期刊论文 11篇，会议论文 4篇，核心算法申请发明专利3件；依托中山大学数据科学与计算机学院共同培养研究生，其中毕业博士研究生2名，毕业硕士研究生4名。

项目成果

期刊论文数量（11）
专著数量（0）
科研奖励数量（0）
会议论文数量（4）
专利数量（0）
A relation between two simple Hardy-Mulholland-type inequalities with parameters
两个简单的 Hardy-Mulholland 型不等式与参数之间的关系
  • DOI：
    10.1186/s13660-016-1020-5
  • 发表时间：
    2016-02
  • 期刊：
    Journal of Inequalities and Applications
  • 影响因子：
    1.6
  • 作者：
    Qiang Chen;Yanping Shi;Bicheng Yang
  • 通讯作者：
    Bicheng Yang
Example-Based Image Colorization Using Locality Consistent Sparse Representation
使用局部一致稀疏表示的基于示例的图像着色
  • DOI：
    10.1109/tip.2017.2732239
  • 发表时间：
    2017-11-01
  • 期刊：
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子：
    10.6
  • 作者：
    Li, Bo;Zhao, Fuchen;Rosin, Paul L.
  • 通讯作者：
    Rosin, Paul L.
A Survey on the Study ofHilbert-Type Inequalities
希尔伯特型不等式研究综述
  • DOI：
    10.1186/s13660-015-0829-7
  • 发表时间：
    2015
  • 期刊：
    Journal of Inequalities and Applications
  • 影响因子：
    1.6
  • 作者：
    Qiang Chen;BichengYang
  • 通讯作者：
    BichengYang
A Dual-Domain Perceptual Framework for Generating Visual Inconspicuous Counterparts
用于生成视觉不显眼对应物的双域感知框架
  • DOI：
    10.1145/3068427
  • 发表时间：
    2017-04
  • 期刊：
    ACM TRANSACTIONS ON MULTIMEDIA COMPUTING COMMUNICATIONS AND APPLICATIONS
  • 影响因子：
    5.1
  • 作者：
    Su Zhuo;Zeng Kun;Li Hanhui;Luo Xiaonan
  • 通讯作者：
    Luo Xiaonan
Integrating Chaos to Deep Learning
将混沌集成到深度学习中
  • DOI：
    10.12733/jcis13816
  • 发表时间：
    2015
  • 期刊：
    Journal of Computational Information Systems(EI源)
  • 影响因子：
    --
  • 作者：
    Guoming Chen;Qiang Chen;Dong Zhang;Yiqun Chen
  • 通讯作者：
    Yiqun Chen

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

乌海市夏季臭氧污染特征及基于过程分析的成因探究
  • DOI：
    10.13227/j.hjkx.202101094
  • 发表时间：
    2021
  • 期刊：
    环境科学
  • 影响因子：
    --
  • 作者：
    张瑞欣;陈强;夏佳琦;刘晓;郭文凯;李光耀;陈梅
  • 通讯作者：
    陈梅
补肾养血明目方对ARPE-19细胞氧化损伤的保护机制研究
  • DOI：
    10.13444/j.cnki.zgzyykzz.2017.04.002
  • 发表时间：
    2017
  • 期刊：
    中国中医眼科杂志
  • 影响因子：
    --
  • 作者：
    陈强;安娜;梁丽娜;庄曾渊
  • 通讯作者：
    庄曾渊
基于副边谐振技术的单端反激式变换器EMI分析
  • DOI：
    10.19595/j.cnki.1000-6753.tces.180106
  • 发表时间：
    2019
  • 期刊：
    电工技术学报
  • 影响因子：
    --
  • 作者：
    陈强;陈章勇;陈勇
  • 通讯作者：
    陈勇
黏弹性节理岩体的位移不连续模型研究
  • DOI：
    10.16285/j.rsm.2015.08.007
  • 发表时间：
    2015
  • 期刊：
    岩土力学
  • 影响因子：
    --
  • 作者：
    王志亮;陈强;张宇
  • 通讯作者：
    张宇
可生物降解智能型聚合物的研究进展
  • DOI：
    10.3969/j.issn.1008-3103.2016.02.002
  • 发表时间：
    2016
  • 期刊：
    江西化工
  • 影响因子：
    --
  • 作者：
    马伟;陈强;顾宏剑;郭赞如
  • 通讯作者：
    郭赞如

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

陈强的其他基金

形体动作教学中的互动相似性表达与时空关联分析方法
  • 批准号：
    61772140
  • 批准年份：
    2017
  • 资助金额：
    65.0 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