Tarama Sistemi – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

Tarama Sistemi

Başka bir yaklaşım türü de ikonik tabanlı tarama ortamı oluşturmaktır. İkonik tabanlı tarama ortamları, anahtar çerçeveler aracılığıyla oluşturulabilir. Kullanıcıların video içeriğini kullanıcı etkileşimlerine dayalı olarak görselleştirmesine izin vermek için birçok video tarama modeli önerilmiştir.

Bu modeller, düzenli zaman aralıkları, her çekimde bir görüntü, belirli bir yerde odak ana karesi olan tüm kareler vb. kullanarak temsili görüntüler seçer.

Videolardan çıkarılan anahtar kareler, video verilerinin görsel suretlerini sağlama yöntemlerinden biridir. Kullanıcılara göz atma sırasında bu tür görsel ipuçları sağlamak için iyi bir anahtar çerçeve seçimi yaklaşımı çok önemlidir. Bazı anahtar çerçeve seçim yaklaşımları bir sonraki bölümde tartışılacaktır.

Ayrıca, videoların ön izlemesini sağlamak için bir gözatma sisteminde farklı düzeylerdeki gösterimlere ihtiyaç vardır. Bir göz atma sistemi, kullanıcıların büyük video koleksiyonlarını hızlı bir şekilde tarayabilmeleri için görsel içerikleri farklı ayrıntı düzeylerinde modelleme yeteneğine sahip olmalıdır. Yani, kullanıcılar gerekli bilgileri daha hızlı alabilir ve veri aktarım miktarı azaltılabilir.

Ayrıca, tarama sistemi, kullanıcıların ilgi alanlarına göre doğrudan bir video dizisine göz atmalarına ve veritabanı sorgularını kullanarak video materyallerini almalarına izin vermelidir.

Video verileri zengin semantik bilgi içerdiğinden, veritabanı sorguları, kullanıcıların hem sahneler veya çekimler gibi yüksek seviyeli içeriği hem de semantik nesnelerin zamansal ve uzamsal ilişkileri gibi düşük seviyeli içeriği almasına izin vermelidir. Burada semantik nesne, “araba” gibi bir video karesinde görünen bir nesne olarak tanımlanır.

Arttırılmış geçiş ağlarına (ATN’ler) dayalı bir video tarama modeli önerilmiştir. Bir ATN ve alt ağları, video verilerini sahneler, çekimler ve ana kareler gibi farklı ayrıntı düzeyine göre modelleyebilir. Ayrıca, video taraması için önerilen ATN modeline kullanıcı etkileşimi yeteneği ve anahtar çerçeve seçim mekanizması dahil edilmiştir. Aşağıda, literatürde önerilen tarama projelerinden bazıları tartışılmaktadır.

BİLGİ SİSTEMİ

Infomedia sistemi, video verilerinde bulunan farklı bilgi kaynaklarını (video, ses ve altyazılı metin gibi) bütünleştiren, kütüphane oluşturma ve keşfetme için öncü ve başarılı bir sistem oluşturur.

Video ortamında arama ve keşfetmeyi geliştirmek için Carnegie Mellon Üniversitesi’nde Infomedia projesi yürütülmektedir. Infomedia kitaplığında bilgi alma birimi, tek bir öykü içerebilen video bölümüdür.

Şu anda, Infomedia kitaplığı yaklaşık 40.000 segment içermektedir. Bir bilgi görselleştirme arayüzü geliştirildi. Bu arabirim, kullanıcının bir sonuç listesinin zaman alıcı ve sinir bozucu bir şekilde gezinmesine gerek kalmadan tüm sonuç alanına göz atmasına olanak tanır.

Arayüz tasarımında, başlık, küçük resim, film şeridi ve özet gibi sorguya yanıt olarak alternatif tarama seçenekleri sunulmaktadır. Başlıklar, küçük resimler ve film şeritleri statik olarak görüntülenir. Gözden geçirme seçeneği, videonun içeriğiyle iletişim kurmak için oynatmaya izin verir.

Bu sistemde video veri işleme için konuşma tanıma, görüntü işleme ve doğal dil anlama teknikleri kullanılmaktadır. Konuşma tanıma, Carnegie Mellon Üniversitesi Sphinx konuşma tanıma motorunu kullanarak konuşulan kelimelerin zamana göre hizalanmış dökümünü oluşturmak ve videoyu paragraflara bölmek için kullanılır.

Online virüs tarama
Free online scan virus
Android Online virüs tarama
Virüs tarama ücretsiz
Online virüs tarama siteleri
Online virüs tarama tavsiye
Online virüs temizleme
Online virüs tarama Norton

Bu motor, video materyalinin içeriğini, göreve ayrılan işlem süresiyle orantılı kelime hata oranıyla yazıya döker. Videonun kısa bir özetini oluşturmak için bir paragraftan önemli resimler ve kelimeler çıkarılır.

Bu video özetine video gözden geçirme denir ve etkili arama ve göz atma sağlar. Ek olarak, film gezileri görünümü, tüm video paragrafını görüntüleme ihtiyacını azaltmak için hızlı inceleme için bir film şeridi sağlar. Bir video için altyazı metni varsa, tanıyıcının çıktısıyla entegre edilir. Nihai metin dökümü, Sphinx işleme yoluyla kelime düzeyinde videoyla senkronize edilir.

Kaynak meta veriler üzerinde bağlamsal analiz gerçekleştirmek için doğal dil işleme ve gizli Markov modelleri (HMM’ler) kullanılabilir. HMM’lerin, bu tür metinlerde noktalama işaretleri bulunmadığında, konuşma tanıyıcılardan gelen metin çıkışındaki varlıkları otomatik olarak etiketlemede etkili olduğu kanıtlanmıştır. Bu nedenle, metin meta verilerinden bilgi çıkarmak, takma adları genişletmek, belirsizliği çözmek ve daha doğru bir şekilde eşleştirilebilecek adlar kümesini genişletmek için uygulanabilirler.

Meta veriler gibi Infomedia kitaplığı içerikleri için diğer tanımlayıcılar arasında üretim notları, otomatik konu tanımlama, konum bilgileri ve kullanıcı ek açıklamaları yer alır. Kullanıcı ek açıklamaları, kullanıcının videonun belirli bir bölümüyle ilgili olarak yazabileceği veya konuşabileceği yorumlardır.

Bu sistem, kullanıcının verilere (ör. “ne zaman”), sözcük oluşumuna (ör. “ne”) ve konuma (ör. Bu bilgi boyutları, video içeriğine genel bakış sunmada, birden çok video bölümünü özetlemede ve belirli bir ilgi konusuyla ilgili bölümleri bulmak için bir sorgulama mekanizması olarak kullanılabilir. Bu nedenle, Infomedia dijital video dijital kitaplık arabirimi kelime sorgulamayı, görüntü sorgulamayı ve mekansal sorgulamayı destekler.

CUEVIDEO TARAMA SİSTEMİ

Bu sistemin ana alanının, IBM’in Almaden Araştırma topluluğuna genel ilgi alanına yönelik teknik konuşmaların ve sunumların videolarından oluştuğu bir Cue Video tarama sistemi önerilmiştir.

CueVideo sistemi, video içeriğinin hızlı bir şekilde filtrelenmesi ve anlaşılması için tasarlanmış bir kullanıcı arabirimi ile birlikte bilgisayarlı görü, bilgi görselleştirme ve konuşma tanıma teknolojilerini birleştirir. Bilgisayar görüşü, otomatik video analizi için kullanılır. Bilgi görselleştirme, veri görselleştirme için kullanılır.

Konuşma tanıma, açıklama eklemek, ilgili medyayı ekler aracılığıyla kullanılabilir kılmak ve kullanıcı tanımlı çekim gruplandırmasını ve/veya daha yüksek ayrıntı düzeyine sahip birimleri desteklemek için kullanılır.

Tasarlanan konuşma arabirimi, eğitimsiz personelin bir videoyla ilişkili meta verileri oluşturmasını kolaylaştırır, kısıtlı sözlük arabirimi, meta verilerin yapılandırılmış bileşenini yakalar ve dikte modu arabirimi, içerik sözcüklerini yakalar.

Makale Deniz

Biyografinin Tamamını Gör