随着深度学习技术的发展,计算机视觉相关技术在近些年来取得了巨大的突破,比如物体和人脸识别,物体检测以及物体分割等等。但在计算机视觉领域普遍缺乏对于关系的学习,比如物体检测当中多个物体之间的关系,人和物体交互检测时人和多个物体之间的关系,以及视频任务中帧与帧之间关系的学习。而对于特定的计算机视觉任务,关系学习可显著提升其性能。本文利用关系学习帮助视频摘要和目标重识别两个特定任务,并展示了关系学习在视频摘要和目标重识别中的重要性。视频摘要的目的是在保持原有视频故事完整性的条件下尽可能减少视频的长度。随着目前如哔哩哔哩、抖音等视频网站和短视频应用的流行,每天网络中会产生大量的视频数据。这对服务器存储、网络带宽和人工处理视频等方面带了巨大的成本,因此视频摘要技术近些年来受到了极大的关注。但目前该领域存在两个问题:1).标注视频的成本非常大;2).如何高效地学习视频中帧与帧之间的关系。这两个问题可以分别通过无监督学习和关系学习来解决。目标重识别任务是科幻电影中常见的天眼系统的核心技术之一,其目的是在跨摄像头跨视角的条件下寻找指定的人或者物。该项技术是计算机视觉技术中最先落地到实用的技术之一,并被广泛应用于城市安防摄像头中。虽然基于特征学习和度量学习的目标重识别算法近些年来取得了非常大的进步,并且算法的精度可以基本满足现实生活中安防系统的需求。但是这些方法仅考虑查询图片和单视角下单摄像头的匹配,没有利用多个摄像头之间的关系。因此,当出现特别相似的图片时,现有的算法很有可能产生错误的匹配。而关系学习可以被用来解决此种问题。虽然视频摘要和目标重识别属于计算机视觉领域中不同的问题,但两者的共性在于如何针对问题的特点设计高效的关系学习模块。本文从关系学习的角度出发提出了两种深度学习算法,分别应用于视频摘要和目标重识别。其中主要成果如下:·我们提出了一种新颖且简单的无监督视频摘要算法。该算法利用了条件生成对抗网络（GANs）实现无监督学习,并且在视频摘要领域中首次应用自注意力机制来学习视频中帧与帧之间的关系。此外,我们设计了一个条件特征选择器来引导GAN模型聚焦于整段视频帧中更重要的时间区域。·我们提出了一种新的基于深度图卷积网络（GCN）的连接特征学习（LFL）算法。底库之间的关系被用来在GCN模块中建立图的边以避免密集和无意义的连接。另外,在构建图的过程中,我们提出了一种高效且有效的困难样本采样器,在保持合理的图大小的同时,可以获得较高的正样本召回率,同时也可以减弱分类不均衡的影响,避免较高的计算复杂度。此外,我们证明了该框架是一个通用且灵活的模块。·大量实验结果表明我们的无监督视频摘要算法和目标重识别算法在多个现有的公开数据集上均达到了最优性能,进一步证明了关系学习可显著提升视频摘要和目标重识别两个任务的性能。