2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、視頻數據包含極為豐富的信息,諸如圖像、音頻、文本等多媒體信息,而這些信息與人們的日常生活、工作以及休閑、娛樂息息相關,越來越受到人們的關注和重視。然而,由于視頻數據的劇增以及其內容和結構的復雜性,人們對視頻數據的利用和管理也變得更加困難。為了使人們能夠對視頻數據進行有效的查詢、組織和利用,近年來,視頻檢索技術,特別是基于語義的視頻檢索技術受到了研究者的高度重視,成為多媒體數據檢索領域的一個研究熱點。
   本文在綜合分析目前視頻

2、語義概念提取方法的基礎上,提出基于ST-Simfusion算法和本體相結合的視頻語義提取算法,并實現相應的原型系統(tǒng)。本文主要研究工作如下:
   (1)針對目前視頻語義檢索中大多數算法在樣本標注方面存在的不足(如主觀性強、不規(guī)范、通用性差等),提出一種基于本體概念的樣本標注方法,即采用本體概念進行樣本標注,使訓練得到的語義提取模型的普適性更好;針對視頻文本特征的比較,提出一種基于本體概念的文本測度,即用本體中概念之間的距離(即相

3、似度)作為文本特征之間比較的測度,以降低鏡頭相似度計算的復雜性。
   (2)提出一種基于自適應閾值ST的聚類算法和Simfusion相結合的鏡頭相似度計算方法,即ST-Simfusion算法。該方法利用聚類算法提取鏡頭的關鍵幀,借鑒Simfusion算法的思想,計算鏡頭的相似度,使得本算法既能夠保證鏡頭所表達信息的完整性,又能充分利用鏡頭多模態(tài)之間的關聯共生特性,從而有利于提高語義概念提取的準確率。
   (3)提出一

4、種基于ST-Simfusion和本體的算法,用于語義提取模型SVM的訓練。該方法首先利用ST-Simfusion算法對鏡頭進行聚類,得到鏡頭之間相似度矩陣;然后把該相似度矩陣用于LPP降維,得到高維空間中與鏡頭數據對應的坐標;最后把坐標和用本體概念標注的樣本的信息作為SVM的輸入,訓練語義提取模型。
   (4)語義概念提取原型系統(tǒng)的實現。采用面向對象思想,設計并實現了視頻語義檢索的原型系統(tǒng)。該系統(tǒng)主要有視頻數據預處理、特征提取

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論