En savoir plus
Ces dernières années, des méthodes ont été mises au point pour retrouver des vidéos sur la base de leurs caractéristiques visuelles. Conscients du fait qu'un stockage économique, un accès mondial à l'internet à large bande, des caméras numériques à bas prix et des outils de montage vidéo agiles entraîneraient un déluge de contenus vidéo non organisés, les chercheurs développent depuis plusieurs années des technologies de recherche vidéo. La recherche vidéo reste l'un des domaines de recherche les plus passionnants et à la croissance la plus rapide dans le domaine de la technologie multimédia. Lors de la conception de notre système, nous avons pris en considération les contraintes et les limitations existantes et nous avons développé un système d'application qui non seulement répond aux exigences de l'utilisateur mais qui est aussi une des nouvelles méthodes dans le domaine de la vision par ordinateur. Nous avons incorporé des algorithmes avancés d'apprentissage automatique tels que stream, fstream et R-CNN pour former l'ensemble de données extraites. Après avoir entraîné le modèle à l'aide du R-CNN, nous avons utilisé un autoencodeur pour construire le modèle. L'architecture conçue pour la recherche de vidéos est précise et peut être utilisée pour d'autres approches. Ce système d'application peut être déployé dans de nombreux domaines tels que le traitement des images médicales, les systèmes de surveillance du trafic, etc.
A propos de l'auteur
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.
