|
|
Efficient video retrieval using complex sketches and exploration based on semantic descriptors
Blažek, Adam ; Lokoč, Jakub (vedoucí práce) ; Mráz, František (oponent)
Tématem této práce jsou nové způsoby hledání ve videu. Konkrétněji se zaměřujeme na hledání známého objektu, v našem případě krátkého video segmentu. Předpokládáme, že žádný vhodný příklad pro podobnostní vyhledávání není k dispozici. Náš původní nástroj, opírající se o zachycení distribuce barev ve videu, je rozšířen o řadu nových modulů. Jmenovitě představujeme multi-modální skicy, nové prohledávací a vizualizační metody, podobnostní hledání s pomocí sémantických deskriptorů a v neposlední řadě dvě ortogonální metody pro zpracování textových dotazů. Navržené metody jsou implementovány v nástroji Enhanced Sketch-based Video Browser (ESBVB). Efektivita nástroje je testována v konkurenci dalších nejmodernejších metod na mezinárodní soutěži. Opakovaně se ukazuje, že ESBVB představuje jeden z nejefektivnějíších přístupů k dané problematice. V uživatelských studiích je dále ukázáno, že i nezkušení uživatélé dokáží využít možností ESBVB pro hledání známého objektu ve videu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Comparison of signature-based and semantic similarity models
Kovalčík, Gregor ; Lokoč, Jakub (vedoucí práce) ; Mráz, František (oponent)
Content-based image retrieval and similarity search has been investigated for several decades with many different approaches proposed. This thesis fo- cuses on a comparison of two orthogonal similarity models on two different im- age retrieval tasks. More specifically, traditional image representation models based on feature signatures are compared with models based on state-of-the-art deep convolutional neural networks. Query-by-example benchmarking and tar- get browsing tasks were selected for the comparison. In a thorough experimental evaluation, we confirm that models based on deep convolutional neural networks outperform the traditional models. However, in the target browsing scenario, we show that the traditional models could still represent an effective option. We have also implemented a feature signature extractor into the OpenCV library in order to make the source codes available for the image retrieval and computer vision community. 1
|
|
|
Efficient video retrieval using complex sketches and exploration based on semantic descriptors
Blažek, Adam ; Lokoč, Jakub (vedoucí práce) ; Mráz, František (oponent)
Tématem této práce jsou nové způsoby hledání ve videu. Konkrétněji se zaměřujeme na hledání známého objektu, v našem případě krátkého video segmentu. Předpokládáme, že žádný vhodný příklad pro podobnostní vyhledávání není k dispozici. Náš původní nástroj, opírající se o zachycení distribuce barev ve videu, je rozšířen o řadu nových modulů. Jmenovitě představujeme multi-modální skicy, nové prohledávací a vizualizační metody, podobnostní hledání s pomocí sémantických deskriptorů a v neposlední řadě dvě ortogonální metody pro zpracování textových dotazů. Navržené metody jsou implementovány v nástroji Enhanced Sketch-based Video Browser (ESBVB). Efektivita nástroje je testována v konkurenci dalších nejmodernejších metod na mezinárodní soutěži. Opakovaně se ukazuje, že ESBVB představuje jeden z nejefektivnějíších přístupů k dané problematice. V uživatelských studiích je dále ukázáno, že i nezkušení uživatélé dokáží využít možností ESBVB pro hledání známého objektu ve videu. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.