Read more
En los últimos años se han desarrollado métodos para la recuperación de vídeos basados en sus características visuales. Al darse cuenta de que el almacenamiento económico, el acceso global a Internet de banda ancha, las cámaras digitales de bajo coste y las ágiles herramientas de edición de vídeo darían lugar a una avalancha de contenidos de vídeo no organizados, los investigadores llevan varios años desarrollando tecnologías de búsqueda de vídeos. La recuperación de vídeo sigue siendo una de las áreas de investigación más apasionantes y de más rápido crecimiento en el campo de la tecnología multimedia. Al diseñar nuestro sistema, hemos tenido en cuenta las restricciones y limitaciones existentes y hemos desarrollado un sistema de aplicación que no sólo satisface los requisitos del usuario, sino que también es uno de los métodos novedosos en el campo de la visión por ordenador. Hemos incorporado algoritmos avanzados de aprendizaje automático como stream, fstream y R-CNN para entrenar el conjunto de datos extraídos. Después de entrenar el modelo utilizando R-CNN, hemos utilizado el autoencoder para construir el modelo. La arquitectura diseñada para la recuperación de vídeo es precisa y puede utilizarse para otros enfoques. Este sistema de aplicación puede ser desplegado en muchos campos como el procesamiento de imágenes médicas, el sistema de monitorización del tráfico, etc.
About the author
S. Brahanyaa, schloss ihr B.Tech(CSE) an der VIT University ab und absolviert ihren Master in Informatik an der Arizona State University. Ihre Forschungspraktika absolvierte sie in den Bereichen Parallel Distributed Computing und Computer Vision. Ihre Interessengebiete sind Data Mining, maschinelles Lernen und Cybersicherheit. Sie kann auch gut malen und singen.
