近日，计算机科学与技术学院智能媒体与数据工程研究所赵伟和管子玉教授团队，围绕大数据采集、处理、分析、挖掘和应用等中的关键科学问题和主要技术瓶颈展开研究，在国家自然基金重点项目、陕西省重点科技创新团队和陕西省重点研发计划等项目的资助下，相关成果发表在TKDE、TNNLS、TII、SIGKDD、IJCAI、AAAI等计算机领域顶级期刊和会议上。近期，团队多篇文章被计算机领域顶级期刊和会议录用。
赵伟教授在IEEE TPAMI(CCF A类，IF=16.389)发表的论文“TelecomNet: Tag-based Weakly-supervised Modally Cooperative Hashing Network for Image Retrieval”，提出了基于社会媒体用户弱标注数据的图像检索方法。该方法借助于社会媒体上用户提供的文本标签中的语义信息，学习图像哈希函数。不同于先前的无监督或有监督哈希算法，该方法包含了弱监督预训练，以及监督精调两个步骤。实验证明，该方法可以有效提升现有监督哈希算法的性能。
TelecomNet算法框架图
近日，赵伟教授指导的博士生喻航撰写的论文“AP-10K: A Benchmark for Animal Pose Estimation in the Wild”被2021年度神经信息处理系统大会(Thirty-fifth Conference on Neural Information Processing Systems，简称NeurIPS)接收。该论文提出了第一个为普遍的动物姿态估计提供基准的大规模动物姿态数据集AP-10K。在该数据集的基础上，论文从三个方面进行了姿态估计的实验，实验结果表明：姿态估计模型从多个不同物种中进行学习，能够带来准确性和泛化性的巨大优势，该论文的实验数据为此提供了可靠的经验证据，AP-10K为促进动物姿势估计的未来研究开辟了新的方向。
AP-10K数据集中动物以及标注示意图
相关论文链接：
TPAMI论文链接：
https://ieeexplore.ieee.org/document/9543564
NeurIPS 2021论文链接：
https://arxiv.org/abs/2108.12617