Курсы английского
<<  METHODS FOR DETECTION AND REMOVAL OF PARASITIC FREQUENCY MODULATION IN AUDIO RECORDINGS Computer Science at Oxford and Cambridge  >>
Learning Techniques for Video Shot Detection
Learning Techniques for Video Shot Detection
Hard Cut
Hard Cut
Fade
Fade
Dissolve
Dissolve
Wipe
Wipe
Histogram Comparison
Histogram Comparison
Edge Change Ratio
Edge Change Ratio
Temporal – Slice Analysis
Temporal – Slice Analysis
Temporal – Slice Analysis
Temporal – Slice Analysis
Cue Video
Cue Video
Feature Extraction
Feature Extraction
How these features can be used to classify images
How these features can be used to classify images
AdaBoost Algorithm
AdaBoost Algorithm
AdaBoost Algorithm
AdaBoost Algorithm
Картинки из презентации «Learning Techniques for Video Shot Detection» к уроку английского языка на тему «Курсы английского»

Автор: Nithya. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока английского языка, скачайте бесплатно презентацию «Learning Techniques for Video Shot Detection.ppt» со всеми картинками в zip-архиве размером 938 КБ.

Learning Techniques for Video Shot Detection

содержание презентации «Learning Techniques for Video Shot Detection.ppt»
Сл Текст Сл Текст
1Learning Techniques for Video Shot 24Cue Video. Graph based approach Each
Detection. by M. Nithya. Under the frame maps to a node Connected upto 1, 3
guidance of Prof. Sharat Chandran. or 7 frames apart Each node is associated
2Outline. Introduction Types of with color Histogram Edge Histogram
Shot-break Previous approaches to Shot Weights of the edges represent similarity
Detection General Approach - pixel measure between the two frames Graph
comparison, histogram comparison… Recent partitioning will segment the video into
Work – Temporal slice analysis, Cue Video shots.
Our Proposed approaches Supervised 25Proposed Approaches.
Learning using AdaBoost algorithm 26Proposed Approaches. Use learning
Unsupervised Learning using clustering techniques to distinguish between
Semi-supervised Learning combining shot-break and Fast object motion or
AdaBoost & clustering Conclusion. Camera motion Fast Illumination changes
3Introduction. 9,000 hours of motion Reflections from glass, water Flash
pictures are produced around the world photography.
every year. 3,000 television stations 27Supervised Learning.
broadcasting for twenty-four hours a day 28Feature Extraction. 25 Primitive
produce eight million hours of video per features like edge, color are extracted
year. Problems: Searching the video directly from the image These 25 features
Retrieving the relevant information are used as input to next round of feature
Solution: Break down the video into extraction yielding 25 x 25 = 625 features
smaller manageable parts called “Shots”. This 625 features can be used as input to
4What is Shot? Shot is the result of compute 625 x 625 = 15, 625 features.
uninterrupted camera work Shot-break is 29How these features can be used to
the transition from one shot to the next. classify images?
5Types of Shot-Break. 30Oops!! There are 15, 625 features!
6Shot-Break. Dissolve. Wipe. Fade. Hard Applying them to red, green and blue
Cut. separately will result in 46, 875
7Hard Cut. features! Can we find few important
8Fade. features that will help to distinguish the
9Dissolve. images? Solution : Use AdaBoost to select
10Wipe. these features.
11Shot Detection Methods. 31AdaBoost Algorithm. Input: (x1,y1)
12Shot Detection Methods. Goal: To (x2,y2) …(xm,ym) where x1,x2,…xm are the
segment video into shots Two ways: Cluster images yi = 0,1 for negative and positive
the similar frames to identify shots Find examples Let n and p be the number of
the shots that differ and declare it as positive and negative examples Initial
shot-break. weight w1,i = 1/2n if yi= 0 and w1,I =
13Pervious Approaches to Shot Detection. 1/2p if yi = 1 For t= 1,…T: Train one
General Approaches Pixel Comparison hypothesis hi(x) for each feature and find
Block-based approach Histogram Comparison the error Choose the hypothesis with low
Edge Change Ratio Recent Work Temporal error value update the weight: wt+1,i =
Slice Analysis Cue Video. wt,i * ?t1-et where ei=0,1for xi
14Pixel Comparison. ?x=1 ?y=1 | Pi(x,y) classified incorrectly or correctly
– Pi+1(x,y) |. Frame N + 1. Frame N. ?t=et/(1-et) Normalize wt+1,I so that it
D(i,i+1)=. XY. X. Y. is a distribution Final hypothesis is
15Block – Based Approach. Frame N + 1. calculated as.
Frame N. Compares statistics of the 32Supervised Learning. Extract Highly
corresponding blocks. Counts the number of selective features AdaBoost algorithm to
significantly different blocks. select few important features Train the
16Histogram Comparison. method to detect different shot-breaks.
17Edge Change Ratio. 33Unsupervised techniques Clustering.
18Comparison… Method. Advantages. 34Unsupervised technique - clustering.
Disadvantages. Pixel-Comparison. Simple, 35Unsupervised technique - clustering.
easy to implement. Computationally heavy, Hard Cut. Dissolve.
Very sensitive to moving object or camera 36Unsupervised technique. Clustering
motion. Block based. Performs better than method to cluster into shots Relevance
pixel. Can’t identify dissolve, fade, fast Feedback.
moving objects. Histogram comparison. 37Semi-supervised Learning.
Performance is better Detects hard-cut, 38Semi-supervised Learning. ?Combination
fade, wipe and dissolve. Fails if the two of Supervised and Unsupervised ?Few
successive shots have same histogram. labeled data are available, using which it
Can’t distinguish fast object or camera works on large unlabeled video Steps:
motion. Edge Change Ratios. Detects AdaBoost algorithm to select features
hard-cut, fade, wipe and dissolve. Clustering method to cluster into shots
Computationally heavy Fails when there is Relevance Feedback.
large amount of motion. 39Conclusion…
19Problems with previous approaches. ? 40Conclusion… Problems with previous
Can’t distinguish shot-breaks with Fast approaches: Can’t distinguish shot-breaks
object motion or Camera motion Fast with Fast object motion or Camera motion
Illumination changes Reflections from Fast Illumination changes Reflections from
glass, water Flash photography ? Fails to glass, water Flash photography Fails to
detect long and short gradual transitions. detect long and short gradual transitions
20Temporal – Slice Analysis. Planning to use AdaBoost learning based
21Temporal – Slice Analysis. clustering scheme for shot-detection.
22Cue Video. 41Thank you… ?
23Temporal – Slice Analysis.
Learning Techniques for Video Shot Detection.ppt
http://900igr.net/kartinka/anglijskij-jazyk/learning-techniques-for-video-shot-detection-226396.html
cсылка на страницу

Learning Techniques for Video Shot Detection

другие презентации на тему «Learning Techniques for Video Shot Detection»

«English for you» - «Английский для тебя» (курс английского языка с применением ИКТ). EuroTalk. Что ты научишься делать и узнаешь. You are welcome! Ты убедишься насколько интересным и захватывающим может быть обучение языку. ENGLISH FOR YOU. При выполнении заданий программа оценивает твой результат и предоставляет отчёт.

«Английский язык для туристов» - Бегу записываться! Норвегия. Новая Зеландия. Преподаватель всегда с улыбкой, очень доброжелательна”. С английским языком нигде не пропадешь! Сша. ВЫЖИЛИ! Каждый уровень предполагает 72 часа занятий. Англия. Голландия. Ямайки! Второй уровень. Мальта. Первый уровень. Третий уровень. Научитесь выживать, чтобы полноценно жить и путешествовать по всему миру!!!

«Деловое общение» - Русско-английский разговорник-справочник делового общения. Самостоятельная работа. Работа с интернет-ресурсами. Формирование умения общаться в незапланированных ситуациях. Парная работа. Видеофильмы. Деловое письмо. Деловой английский для подростков. Формирование навыков делового общения. Заполнение анкеты.

«Сайт английского языка» - Проект сайта школы изучения английского языка Sunny plus . Сайт школы изучения английского языка Sunny plus. Tom house. Цели и задачи сайта. Продвижение сайта. Компании, сотрудники которых изучают английский на корпоративных курсах. Корпоративные клиенты. Индивидуальные клиенты. Целевая аудитория. Конкурентные преимущества www.sunny-plus.ru.

«Курсы изучения английского языка» - Межкультурная коммуникация на английском языке. Вы научитесь составлять несложный текст на английском языке для партнера или клиента. Лингвострановедение европейских стран. Англоязычные информационные ресурсы в сфере экономики, бизнеса и информатики. Введение в социолингвистику. Вы научитесь говорить по-английски в различных ситуациях общения.

«Он-лайн обучение английскому» - Дистанционное обучение без преподавателя. Культурные поездки. Профили ИКАО (ICAO). Традиционное обучение. Текущий уровень сотрудника. Параметры, определяющие выбор программы обучения. Объём обучения. Программы College и MBA. Результаты. Онлайн тестирование. Культурный обмен. Погружение в языковую среду.

Курсы английского

25 презентаций о курсах английского
Урок

Английский язык

29 тем
Картинки