面向短视频多标签分类的关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    62371330
  • 项目类别：
    面上项目
  • 资助金额：
    50万
  • 负责人：
    苏育挺
  • 依托单位：
    天津大学
  • 学科分类：
    F.信息科学部
  • 结题年份：
  • 批准年份：
    2023
  • 项目状态：
    未结题
  • 起止时间：
    2023至

项目摘要

结项摘要

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）

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

Partwise Bag of Words-Based Multi-task Learning for Human Action Recognition
用于人类动作识别的基于词袋的多任务学习
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    Electronics Letters
  • 影响因子：
    1.1
  • 作者：
    刘安安;苏育挺;高赞;郝彤;杨兆选;张哲
  • 通讯作者：
    张哲
Convolutional deep learning for 3D object retrieval
用于 3D 对象检索的卷积深度学习
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    Multimedia Systems
  • 影响因子：
    3.9
  • 作者：
    聂为之;曹群;刘安安;苏育挺
  • 通讯作者：
    苏育挺
Multiple Person Tracking based on Spatial-temporal Information by Global Graph Clustering
基于全局图聚类时空信息的多人跟踪
  • DOI：
    10.3837/tiis.2015.06.014
  • 发表时间：
    2015
  • 期刊：
    KSII Transactions on Internet and Information Systems
  • 影响因子：
    1.5
  • 作者：
    苏育挺;朱校蓉;聂为之
  • 通讯作者：
    聂为之
一种层级化的人眼检测方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    电子测量技术
  • 影响因子：
    --
  • 作者：
    刘安安;高赞;苏育挺;张哲
  • 通讯作者：
    张哲
Predicting Image Memorability Through Adaptive Transfer Learning from External Sources
通过外部来源的自适应迁移学习来预测图像的可记忆性
  • DOI：
    10.14207/ejsd.2018.v7n1p249
  • 发表时间：
    2016
  • 期刊：
    IEEE Transactions on Multimedia
  • 影响因子：
    7.3
  • 作者：
    井佩光;苏育挺;聂礼强;顾慧敏
  • 通讯作者：
    顾慧敏

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
此项目为未结题，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

苏育挺的其他基金

数字图像/视频平滑滤波盲取证技术研究
  • 批准号：
    61572356
  • 批准年份：
    2015
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
数字视频篡改盲检测技术研究
  • 批准号：
    61170239
  • 批准年份：
    2011
  • 资助金额：
    56.0 万元
  • 项目类别：
    面上项目
数字视频信息隐藏技术应用研究
  • 批准号：
    60202009
  • 批准年份：
    2002
  • 资助金额：
    27.0 万元
  • 项目类别：
    青年科学基金项目

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