مصنف SVM لاكتشاف إطارات الفيديو المجاورة

29

الوصف

تم إجراء محاولة لاستخدام Support Vector Machine (SVM) لتحديد وزن كل مقياس في تحديد احتمالية وجود إطارات متجاورة بنجاح مختلط. تم تدريب المصنف في الأصل لتحديد ما إذا كانت الإطارات متجاورة ولكن نظرًا لمجموعة أمثلة التدريب شديدة الانحراف (إطاران متجاوران فقط من مجموعة n أمثلة) ، كان أداء المصنف ضعيفًا.

قم بتدريب مصنف SVM لتحديد ما إذا كانت الإطارات متجاورة

خطوات المدونة:

كشف الميزات في إطارات الفيديو

احسب مقاييس المطابقة بين جميع الإطارات

احسب المقاييس من الميزات المتطابقة

حساب فئات الإطارات المجاورة

إعادة هيكلة البيانات الخاصة بالتدريب على التصنيف

قم بتدريب SVM لتصنيف الإطارات المجاورة

تحقق من النموذج

تصنيف بيانات الاختبار وتقييم الأداء

حفظ نموذج SVM

استخدم مصنف SVM لاكتشاف الإطارات المجاورة

ترتيب حسب الخوارزمية:

1) اختر إطار بدء عشوائي

2) ابحث عن أقرب جار (أعلى نسبة من المباريات ثم اختر أقل مسافة)

3) تحقق مما إذا كان أقرب إلى بداية أو نهاية التسلسل المركب

4) إذا كان أقرب إلى النهاية ، قم بإلحاق الإطار

5) بخلاف ذلك ، ابدأ البحث من بداية التسلسل وقم بالبناء بشكل عكسي

6) استمر حتى يتم فرز جميع الإطارات

Practical mobile slide-to-lecture-video search system

Licence plate detection in video file

MATLAB code for video reconstruction

http://www.ijicic.org/ijicic-13-01044.pdf

 

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “مصنف SVM لاكتشاف إطارات الفيديو المجاورة”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *