厦门大学智能多媒体实验室
    “厦门大学智能多媒体技术实验室”成立于2005年5月,是隶属于厦门大学智能科学与技术系的一个研究室。多年来,一直从事人工智能及其应用、机器学习以及计算机视觉等领域的研究。目前团队的主要研究方向是:基于双目视觉的移动场景语义理解与分析、人体行为分析与理解、跨媒体舆情分析、中医健康大数据分析与中医智能诊断等。近年来连续承担多项国家自然科学基金项目、福建省中医健康管理2011协同创新中心项目、省市级科技计划项目。团队现有研究人员3人,含教授1人,副教授1人,助理教授1人,在读博士研究生8人,硕士研究生21人。
    近年来,实验室的研究生每年都发表多篇高水平的学术论文(包括:JCR2区等),尤其是近期实验室的罗志明、钟准两位博士生的两篇论文被CVPR2017(CCFA类)录用,标志着实验室的研究成果达到了新的水平,获得了国际同行的认同,也让实验室有机会到国际顶级平台进行学术交流。
     2019年,智能多媒体实验室有11个硕士名额,有意加入智能多媒体实验室的硕博考生,请发邮件与感兴趣的导师联系(邮件见硕博招生页面)。
期刊论文
* J Zhang, C Li, Z Sun, Z Luo, C Zhou, S Li: Towards a unified multi-source-based optimization framework for multi-label learning. Applied Soft Computing 76, 425-435(2019. 2区)
* Z Zhong, L Zheng, Z Zheng, S Li, Y Yang:Camstyle: a novel data augmentation method for person re-identification. IEEE Transactions on Image Processing 28 (3), 1176-1190(2019. 2区)
* J Zhang, C Li, D Cao, Y Lin, S Su, L Dai, S Li: Multi-label learning with label-specific features by resolving label correlations. Knowledge-Based Systems 159, 148-157(2018. 2区C类)
* F Yang, Z Zhong, Z Luo, S Lian, S Li: Leveraging Virtual and Real Person for Unsupervised Person Re-identification. arXiv preprint arXiv:1811.02074(2018)
会议论文
* Z Zhong, L Zheng, Z Luo, S Li, Y Yang: Invariance matters:Exemplar memory for domain adaptive person re-identification.(2019)
* Zhenqiang Sun, Jia Zhang, Zhiming Luo, Donglin Cao, Shaozi Li: A Fast Feature Selection Method Based on Mutual Information in Multi-label Learning:CCF Conference on Computer Supported Cooperative Work and Social Computing. 2018
* Zhun Zhong, Liang Zheng, Zhedong Zheng, Shaozi Li, Yi Yang: Camera style adaptation for person re-identification. IEEE Conference on Computer Vision and Pattern Recognition. 2018. A类
* Zhun Zhong, Liang Zheng, Shaozi Li, Yi Yang: Generalizing a person retrieval model hetero-and homogeneously. Proc. ECCV. 2018. B类
中医健康大数据智能分析
研究方向介绍:按照中医四诊合参的诊断原则,辨识病人病位、病性及证型,并开展基于证型的干预方案推荐研究
跨媒体舆情分析
跨媒体大数据环境下的用户舆情分析
基于产生式模型的人体行为识别与检测一体化方法研究
该研究方向以图像(包括深度图像、航拍图像、静态图像、动态图像、或超光谱图像等)中的人体为研究对象,开展人体的检测与跟踪的研究,并在此基础上对人体的行为进行分析、理解和描述。该方向是计算机视觉中的经典难题和前沿方向,其最终目的是让计算机拥有一双慧眼,不仅看到而且理解外部世界的目标、事件和意图。涉及到的相关学科有图像处理、计算机视觉、模式识别和机器学习等。