HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 4 أشهر

خوارزمية جديدة للكشف التلقائي عن حدود المشاهد: مقاومة لتأثيرات الإضاءة والحركة

{Dalton Meitei Thounaojam & Saptarshi Chakraborty Alok Singh}

الملخص

تم إجراء العديد من الدراسات حول كشف حدود اللقطات، ولكن لا تزال أداء طرق كشف حدود اللقطات غير مُعالَجة بشكل فعّال بالنسبة إلى الفيديوهات التي تتضمّن تغيرات مفاجئة في الإضاءة أو حركات كاميرا أو كائنات. في هذا البحث، تم اقتراح منهجية جديدة مكوّنة من مرحلتين للكشف عن الانتقالات المفاجئة، وهي قادرة على التحمل في ظل بعض تأثيرات الإضاءة والحركة. أولاً، يُطبّق مرشح وينر التكيفي على مكون السطوع للإطار، بهدف الحفاظ على معلومات مهمة على المستويين الترددي والشكل (LBP-HF)، ويُستخرج مؤشر LBP-HF لتقليل تأثيرات الإضاءة. كما أكّدت التجارب أن تأثيرات الحركة تُقلّص أيضًا في المرحلة الأولى. ثانيًا، تُستخدم طريقة الفرق في الحواف باستخدام خوارزمية كاني (Canny edge difference) لاستكمال إزالة تأثيرات الإضاءة والحركة التي لم تُعالج في المرحلة الأولى. تم استخدام مجموعتي بيانات TRECVid 2001 وTRECVid 2007 لتحليل وتأكيد فعالية الخوارزمية المقترحة. وأظهرت النتائج التجريبية أن النظام المقترح يتفوّق على أحدث التقنيات الحالية في كشف حدود اللقطات.

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
camera-shot-boundary-detection-on-msu-shotNITS-CV-Lab-v1.0
F score: 0.8470
FPS: 24
camera-shot-boundary-detection-on-trecvidLBP-HF SBD
F-measure (Recall): 0.94

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
خوارزمية جديدة للكشف التلقائي عن حدود المشاهد: مقاومة لتأثيرات الإضاءة والحركة | الأوراق البحثية | HyperAI