Shih-Fu Chang - Shih-Fu Chang

Shih-Fu Chang ist ein taiwanesischer US-amerikanischer Informatiker und Elektroingenieur, der für seine Forschungen zu Multimedia-Informationsabruf, Computer Vision, maschinellem Lernen und Signalverarbeitung bekannt ist. Derzeit ist er Interimsdekan der School of Engineering and Applied Science der Columbia University , wo er auch Richard Dicker Professor ist. Von 2013 bis 2017 war er Vorsitzender der Special Interest Group of Multimedia (SIGMM) der Association of Computing Machinery (ACM). 2016 wurde er von Aminer zum einflussreichsten Wissenschaftler im Bereich Multimedia gewählt ein ACM Fellow im Jahr 2017.

Biografie

Chang erhielt 1985 seinen Bachelor-Abschluss in Elektrotechnik von der National Taiwan University und seinen Ph.D. in Elektrotechnik und Informatik von der University of California in Berkeley im Jahr 1993. Nach seinem Ph.D. seines Studiums ging er als Assistant Professor an die Columbia University . Von 2007 bis 2010 war er Lehrstuhlinhaber für Elektrotechnik und erhielt 2011 eine gemeinsame Berufung in Informatik. Er war Co-PI und später Co-Direktor des ADVENT Industry Consortium der Columbia University, das mehr als 25 Industriesponsoren in im Bereich Medientechnologien, von 1993 bis 2003. Er wurde Senior Vice Dean (2012-2015) und später Senior Executive Vice Dean (2015-heute) der Columbia Engineering School, wobei er eine wichtige Rolle in den Bemühungen der School in der strategischen Planung übernahm, Spezielle Forschungsinitiativen, Fakultätsentwicklung und internationale Zusammenarbeit. Chang ist bekannt für seine einflussreiche Arbeit in der Multimedia-Informationsabfrage mit breiten Anwendungen in der groß angelegten Bild-/Videosuche, der mobilen visuellen Suche, der Bildauthentifizierung und der Informationsabfrage mit semi-überwachtem Lernen. Seine Forschung hat zu mehr als 10 Technologielizenzen an Unternehmen und zur Gründung von drei Startup-Unternehmen geführt. Bis zum 22. August 2017 wurden seine Publikationen mehr als 41.000 Mal mit einem h-Index von 100 zitiert.

Auszeichnungen

Zu den bemerkenswerten Auszeichnungen von Chang gehören:

• Akademiker, Academia Sinica 2018
• Fellow, ACM (Association for Computing Machinery), 2017
• Einflussreichster Wissenschaftler im Bereich Multimedia, 2016
• Ehrendoktorwürde, Universität Amsterdam, 384. Jahrestag, 2016
• Great Teacher Award, The Society of Columbia Graduates, 2013
• Technical Achievement Award, IEEE Signal Processing Society, 2012
• Technical Achievement Award, ACM Special Interest Group in Multimedia, 2011
• Fellow, AAAS (American Association for the Advancement of Science), 2010
• IEEE Kiyo Tomiyasu-Preis, 2009
• Fellow, IEEE, 2004

Forschung

Changs Forschung umfasst Multimedia-Informationsabruf, Computer Vision, maschinelles Lernen und Signalverarbeitung. Der Schwerpunkt seiner Arbeit liegt auf der Entwicklung intelligenter Methoden und Systeme zur Extraktion von Informationen aus visuellen Inhalten und Multimedia, die in großen Archiven und Live-Quellen vorherrschen. In den frühen 1990er Jahren entwickelte seine Gruppe einige der frühesten und bekanntesten inhaltsbasierten Bildsuchsysteme, VisualSEEk und VideoQ, die den Grundstein für dieses pulsierende Gebiet legten. In den letzten zwei Jahrzehnten hat er bedeutende Beiträge zum Bereich des Multimedia-Retrievals geleistet, indem er große Multimedia-Ontologien, große Bibliotheken visueller Konzeptklassifizierer und automatische Methoden zur Erstellung von Multimedia-Ontologien entwickelt hat. Diese haben das Design der heute in der Praxis verwendeten Videosuchsysteme stark beeinflusst. Er hat mehrere bekannte kompakte Hashing-Techniken für die effiziente Suche in milliardenschweren Bilddatenbanken entwickelt. Seine kompakte Hashing-Arbeit hat eine größenordnungsmäßige Beschleunigung und Reduzierung des Speicherplatzes in hochkarätigen Anwendungen wie einem Online-System zur Bekämpfung von Menschenhandel (gemeinsame Arbeit mit Svebor Karaman) ermöglicht, das in mehr als 200 Strafverfolgungsbehörden eingesetzt wurde. Darüber hinaus hat er eine Reihe grundlegender Methoden des graphenbasierten semi-überwachten Lernens entwickelt, die erfolgreich die Herausforderung des Trainings großer Multimedia-Retrieval-Systeme mit verrauschten und spärlichen Labels angehen. Diese Methoden wurden beim Bau des ersten kommerzialisierten Gehirn-Maschinen-Schnittstellensystems für den schnellen Bildabruf übernommen. Der gemeinsam mit X. Wu und Z. Li entwickelte graphenbasierte Suchprozess, basierend auf dem Random Walk mit Restart-Theorie, wurde auch im großen App-Empfehlungssystem von Huawei (das 1/2 Milliarde Apps mit 300 Millionen Nutzern verbindet) eingesetzt ).

Verweise

Externe Links

• Shih-Fu Changs Homepage
• Columbia Digital Video and Multimedia Lab