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73頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來,隨著互聯(lián)網(wǎng)技術(shù)和多媒體技術(shù)的飛速發(fā)展,用戶上傳到互聯(lián)網(wǎng)上的圖像、視頻數(shù)量廣泛增加。視頻數(shù)據(jù)已經(jīng)成為萬維網(wǎng)、數(shù)字電視以及多媒體等其他領(lǐng)域內(nèi)容的主要來源,其數(shù)量的急劇增長促使了人們在語義層面上進(jìn)行管理和研究視頻。語義即數(shù)據(jù)的含義,視頻語義分析對視頻檢索以及視頻結(jié)構(gòu)化至關(guān)重要,人們可以從視頻檢測到的語義中獲取很多重要信息。目前,如何幫助用戶在龐大的視頻數(shù)據(jù)量中快速準(zhǔn)確地檢索到所需信息成為迫切需要解決的問題。為了跨越視頻低層特征和高層語

2、義間的語義鴻溝,視頻語義概念建模已經(jīng)成為視頻數(shù)據(jù)管理、分類和檢索領(lǐng)域研究的熱點(diǎn)問題,因此,對視頻語義的分析和研究十分重要。
  本文首先介紹課題的研究背景和意義,深入分析課題的研究現(xiàn)狀以及目前存在的問題;其次概述視頻語義概念檢測中的關(guān)鍵技術(shù),如視頻鏡頭分割技術(shù)、關(guān)鍵幀提取技術(shù)以及特征提取等。在目前視頻語義分析理論研究的基礎(chǔ)上,本文提出基于拓?fù)洫?dú)立成分分析和高斯混合模型的視頻語義概念檢測方法、基于高斯云混合模型的視頻語義概念檢測方法

3、,并在上述兩種算法的基礎(chǔ)上設(shè)計開發(fā)視頻語義概念檢測原型系統(tǒng),主要研究內(nèi)容如下:
  (1)提出基于拓?fù)洫?dú)立成分分析和高斯混合模型的視頻語義概念檢測算法。首先通過拓?fù)洫?dú)立成分分析對視頻片段進(jìn)行特征提取,該特征提取算法能夠自動學(xué)習(xí)得到視頻片段復(fù)雜不變性特征;其次利用高斯混合模型對視頻視覺特征建模,描述特征的分布情況;最后構(gòu)造高斯混合模型超向量進(jìn)行視頻語義概念檢測。實(shí)驗結(jié)果表明基于拓?fù)洫?dú)立成分分析和高斯混合模型的視頻語義概念檢測算法能夠

4、克服目前手工制定特征提取算法的人為因素,減少特征建模過程中的量化誤差,從而有效提高視頻語義概念檢測的準(zhǔn)確性。
  (2)提出基于高斯云混合模型的視頻語義概念檢測算法。傳統(tǒng)的高斯混合模型視頻語義概念檢測算法沒有考慮概念中存在的不確定性,即隨機(jī)性和模糊性。云模型能夠?qū)σ曨l語義概念本身的模糊性和隨機(jī)性進(jìn)行處理,用一種更接近人的理解方式去描述視頻語義。高斯云是云模型中一種,本文在高斯混合模型的基礎(chǔ)上引入高斯云分布模型,用高斯云分布替代高斯

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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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