| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> 实验部分思路 -> 正文阅读 |
|
[人工智能]实验部分思路 |
两个视频之间的相似性刻画:(采用visil论文中的思路)https://openaccess.thecvf.com/content_ICCV_2019/papers/Kordopatis-Zilos_ViSiL_Fine-Grained_Spatio-Temporal_Video_Similarity_Learning_ICCV_2019_paper.pdf 采用神经网络进行高级特征的提取并比较区域级相似性->帧级相似性->视频级相似性
结果: 我感觉因为采取了**高级特征(CNN)**提取而非像素级别的,所以这个相似度应该与背景关系不大 (具体论文中有论证这种衡量相似性的有效性,但涉及到神经网络方面的知识 我并未深入研究 只采用他的结论) 去冗余有效性刻画 定义精确度的衡量指标,用于说明去冗余前后准确度没有明显下降,验证去冗余(找到最大覆盖集合)的有效性 不足之处:场景背景在大多数情况下是不变的 ,但是会对相似性分数/准确度衡量有较大的影响(占比很大) 视频内容信息量衡量 对视频(25fps)内容本身的信息量进行刻画得到信息熵(一个数值,具体大小见txt文件:一个4*2500的二维数组,数组中每一项代表视频那一帧先BGR2GRAY转为灰度图后的信息熵)
每50帧选取一帧得到信息熵,约为0.8s/50帧------0.016s/帧 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/27 17:37:31- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |