中科院计算所视觉信息处理与学习组
李亮
助研

职 称:助研一级

电子邮箱:liang.li at ict dot ac dot cn

通讯地址:北京市海淀区中关村科学院南路6号计算所

研究兴趣:多媒体内容分析、计算机视觉、模式识别、机器学习、深度学习、数据挖掘

学术服务
刊物服务
  • Multimedia Technology and Application (MTAP) Guest Editor
  • IEEE TMM, IEEE T-SMC, IEEE TIP, PR, Neurocomputing, JVCIR, MTAP等国际期刊审稿人
会议服务
  • International Conference on Internet Multimedia Computing and Service (ICIMCS) 2017 Special Session Chair
  • Pacific Rim Conference on Multimedia (PCM) 2017 Local Chair
  • International Conference on Internet Multimedia Computing and Service (ICIMCS) 2015 Orginazating Chair
  • ACM Multimedia, CVPR, ICME, ICIP, ICIMCS, PCM等国际会议审稿人
经历
教育经历
  • 2008.9~2013.6 中国科学院计算技术研究所 中科院智能信息处理重点实验室 计算机应用技术专业 工学博士
  • 2004.9~2008.7 西安交通大学 电信学院信息工程专业
学术经历
  • 2013.6~2016.5 中国科学院大学博士后
研究内容

1.   视觉语义关联描述

在图像语义理解中,视觉多义性和语义多态性问题一直都是一个挑战。视觉多义性是指一视觉表观区域可能有很多不同的语义解释;语义多态性是指一个概念在不同的实例下可能有各种不同的视觉表观。本课题提出了一种新的视角—Vicept来理解图像,每一个Vicept单词是关于一个视觉表观区域的多概念概率估计。在Vicept词典中,对于每个确定的概念,每个视觉表观区域跟它都有一个概率联系,这种联系整合在一起可以构成一个视觉表观隶属度的概率分布。为了学习到有判别能力且结构稀疏的Vicept,混合范式正则方法被应用到视觉表观的概念隶属度分布的学习中。此外,针对Vicept的多层次结构,本课题引入了一种新的距离度量方法,即通过多层次的独立性分析来融合不同层次的Vicept描述,其学习框架下图所示。



科研项目

1.   基于多任务稀疏特征学习的海量图像理解方法研究

项目类型:国家自然科学基金青年基金
项目时间:2015.01-2017.12
项目负责人:李亮

2.   基于深度学习和多任务稀疏特征的海量图像理解方法

项目类型:中国博士后科学基金特别资助
项目时间:2014.06-2015.12
项目负责人:李亮

3.   基于混合范式正则化的海量图像理解方法

项目类型:中国博士后科学基金面上一等资助
项目时间:2013.10-2015.07
项目负责人:李亮
著论

部分刊物论文

1.   Learning Hierarchical Semantic Description via Mixed-norm Regularization for Image Understanding, IEEE Transaction on Multimedia 【pdf】

2.   Partial-Duplicate Image Retrieval via Saliency-guided Visually Matching, IEEE Multimedia 【pdf】

3.   Distributed image understanding with semantic dictionary and semantic expansion, Neurocomputing 【pdf】

部分国际会议论文

1.   Cross-media Topic Detection with Refined CNN based Image-Dominant Topic Model, ACM Multimedia 【pdf】

2.   Multi-description of Local Interest Point for Partial Duplicate Image Retrieval, IEEE ICIP 【pdf】

3.   Learning Vicept Description via Mixed-Norm Regularization for Large-scale Semantic Image Search, IEEE CVPR 【pdf】

视觉信息处理和学习组
  • 单位地址:北京海淀区中关村科学院南路6号
  • 邮编:100190
  • 联系电话:010-62600514
  • Email:yi.cheng@vipl.ict.ac.cn
  • Valse

  • 深度学习大讲堂

版权所有 @ 中科院计算所视觉信息处理与学习组 京ICP备05002829号 京公网安备1101080060