随着经济社会的发展和科技的进步,科技元素渐渐深入社会的方方面面,如社交媒体使得人们开始选择直观便捷的图片和视频表达自己观点和看法;小巧灵活的监控设备则节约了人力物力,提高了社会安全保障水平。多媒体信息具有语义多样,结构复杂的特点,多示例学习因其独特的包-示例结构可以更好地建模多媒体信息,近年来逐渐被应用于各种计算机视觉任务中。本文以多示例学习和深度学习相结合为主线,在图像分类和安监视频异常事件检测两个具体应用中进行了探索,主要研究内容如下:（1）为了解决多示例学习在图像分类应用中,示例特征表达多局限于低层手工特征,且图像包中存在冗余示例等问题,提出一种基于深度特征选择的多示例图像分类算法。该算法将整个图片看作多示例学习中的包,图像分割后的若干个语义区域看作包中的示例,从而构建多示例结构,利用VGG16网络提取图像示例的深度特征,可以提高示例的语义表达,引入包-示例相似性度量公式得到包的高层语义,通过基于l2,1范式的特征选择算法可以有效剔除干扰示例对包特征的影响,最终通过SVM对图像进行分类。在多示例学习广泛使用的图片数据集上验证了算法的有效性,实验结果在分类精度上平均提高了10.61%。（2）为了解决安监视频中异常事件占比较小,标注难度较大,且特征易被弱化的问题,提出一种基于弱监督学习的深度网络应用于视频异常事件检测。该方法首先将视频进行分割等预处理,将时间片段看作示例,整个视频看作包,从而构建多示例结构。然后利用伪三维卷积残差网络对视频进行特征学习,并通过多示例排序得到示例的异常得分,引入注意力机制有效剔除无关示例的干扰,最后对视频片段异常得分加权得到视频的异常得分。在大型异常检测数据集UCF-Crime和Shanghai Tech上验证了方法的有效性,实验结果分别比基准方法提高了9.39%和4.82%。