|
|
Detekce střihů ve videu
Suja, Dušan ; Řezníček, Ivo (oponent) ; Hradiš, Michal (vedoucí práce)
Táto práce se zabýva možnostmi detekce střihů ve videu. Z úvodu se věnuje popisu metod pro detekci střihů, jejich výhodám a nevýhodám s ohledem na rychlost a přesnost detekce. V dalších kapitolách je pak popis implementovaných metod pro detekci ostrých střihů pomocí knihovny OpenCV.
|
|
|
Přechody scén ve videu
Klicnar, Lukáš ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Detekce přechodů ve videu je proces automatického nalezení hranic mezi jednotlivými scénami. Tato práce se zabývá převážně detekcí střihů, postupné přechody jsou ale rovněž uvažovány. Vysvětleny jsou základní pojmy z této oblasti a stručně představeny doposud používané metody. Stěžejní částí je návrh a implementace detektoru přechodů. Ten je založen na kombinaci dvou přístupů. Prvním je porovnávání barevných histogramů sousedních snímků. Druhý, méně tradiční, je založen na sledování výrazných bodů ve videu. Analýza průběhu těchto příznaků probíhá pomocí odhadu jeho derivace. Systém byl otestován na vlastní sadě ručně anotovaných dat. Ukázalo se, že oba příznaky jsou pro detekci přechodů vhodné. Detektor byl schopný nalézt většinu střihů při zachování dobré přesnosti. Prokázala se schopnost detekovat i některé postupné přechody.
|
|
|
Nástroj pro sběr a zpracování sportovních videí
Bahník, Marek ; Zemčík, Pavel (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit nástroj v jazyce Python pro získávání videí na určitou sportovní tematiku z YouTube a jejich úpravu do formy potřebné např. pro učení neuronových sítí. Videa jsou rozdělena na jednotlivé klipy pomocí proprietární metody porovnávání dvou snímků okolo podezřelého snímku. Tyto klipy jsou dále klasifikovány na škále relevance s využitím optického toku. Pro stažení kvalitní sady celých videí je třeba zadat správné klíčové slovo a vytvořit filtry pro YouTube vyhledávání. Tento nástroj není plně automatizovaný a optimalizovaný, ale je navržen tak, aby co nejvíce zrychlil a ulehčil proces vytváření datové sady. Obecně je v průběhu volání jednotlivých částí potřeba uživatelsky manuálně zasahovat a kontrolovat výstupní data.
|
|
|
Detekce střihů a vyhledávání známých scén ve videu s pomocí metod hlubokého učení
Souček, Tomáš ; Lokoč, Jakub (vedoucí práce) ; Peška, Ladislav (oponent)
Vyhledávání ve videu představuje náročný problém s mnoha záludnostmi a dílčími problémy. Tato práce se zaměřuje na dva z těchto podproblémů, konkrétně na detekci střihů a textové vyhledávání. V případě detekce střihů bylo v posledních desetiletích navrženo mnoho řešení. Nedávné přístupy založené na hlubokém učení zlepšily přes- nost detekce pomocí 3D konvolučních architektur a uměle vytvořených trénovacích dat, ale stoprocentní přesnost je stále nedosažitelným ideálem. V této práci představujeme TransNet V2, hlubokou síť pro detekci střihů, která dosahuje nejlepších výsledků v porovnání s konkurenčními metodami na respekovaných datasetech. V případě druhého námi řešeného problému textového vyhledávání se ukázaly jako efektivní řešení hluboké neuronové sítě promítající textové dotazy a snímky videa do společného prostoru. V této práci zkoumáme použítí těchto sítí pro případ hledání známého objektu ve videu a navrhujeme vylepšení způsobu, jakým lze zakódovat textový dotaz. 1
|
|
|
Detekce střihů ve videu
Suja, Dušan ; Řezníček, Ivo (oponent) ; Hradiš, Michal (vedoucí práce)
Táto práce se zabýva možnostmi detekce střihů ve videu. Z úvodu se věnuje popisu metod pro detekci střihů, jejich výhodám a nevýhodám s ohledem na rychlost a přesnost detekce. V dalších kapitolách je pak popis implementovaných metod pro detekci ostrých střihů pomocí knihovny OpenCV.
|
|
|
Přechody scén ve videu
Klicnar, Lukáš ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Detekce přechodů ve videu je proces automatického nalezení hranic mezi jednotlivými scénami. Tato práce se zabývá převážně detekcí střihů, postupné přechody jsou ale rovněž uvažovány. Vysvětleny jsou základní pojmy z této oblasti a stručně představeny doposud používané metody. Stěžejní částí je návrh a implementace detektoru přechodů. Ten je založen na kombinaci dvou přístupů. Prvním je porovnávání barevných histogramů sousedních snímků. Druhý, méně tradiční, je založen na sledování výrazných bodů ve videu. Analýza průběhu těchto příznaků probíhá pomocí odhadu jeho derivace. Systém byl otestován na vlastní sadě ručně anotovaných dat. Ukázalo se, že oba příznaky jsou pro detekci přechodů vhodné. Detektor byl schopný nalézt většinu střihů při zachování dobré přesnosti. Prokázala se schopnost detekovat i některé postupné přechody.
|
host ::
RSS.