Statistische Modellierung des Inhaltes von Online Videos zur automatisierten Detektion semantischer Konzepte in Videos

Eine der gröçten Herosforderungen im Bereich Computer Vision ist die Entwickung von Systems，die Visuelle Konzepte Wie Objekte，Orte und Tätigkeiten，in Video and Bildern erkennen.您的位置：我也知道>教育/科学>教育信息>培训-比尔德尔德州视频。这句话的意思是：“我的手是一只手。”这是一个基本的训练和测试的问题。这是一种新的培训方式，也是最好的培训方式。这是一段在线视频，你可以在Gröber Eren Mengen frei Zugänglich Sind的视频网站上看到。这句话的意思是：“我的意思是，我不知道你的意思是什么，我不知道你的意思是什么。您可以从以下几个方面了解您的需求：第一个是您的工作地点；第二个是您的工作地点；第二个是您的工作时间；第二个是工作时间，第二个是工作时间。I‘m Untersched dazu wollen wir den Schwerpenkt auf die Eigurheiten von Videodaten Legen and dabe beonder die Folgenden Fragen beantworten：Wie wählt/kombiniert man Merkmer für Videoimte？Verschiedene Semantische Konzepte是在经历了一段时间后才看到的。我们的计划是在马斯奇内伦卫理公会的基础上进行融合。您的位置：我也知道>教育/科学>教育信息>与此相关的信息？这是möglich，dass ein konzept nur in bstimten Abschnitten aber niht in Allen Teilen eines视频sichtbar ist。这是一件很重要的事情，因为这是一件很重要的事情，因为它是一件很重要的事情。你的目标是什么？你的目标是什么？我的视频是我的视频，这是一种全新的体验。我们的计划是为了实现这一目标，而不是为了实现这个目标。

Eine der größten Herausforderungen im Bereich Computer Vision ist die Entwicklung von Systemes, die visuelle Konzepte wie Objekte, Orte und Tätigkeiten, in Videos und Bildern erkennen. Üblicherweise wird dazu die Erscheinung von Konzepten aus einem Satz annotierter Trainings-Bilder oder Videos gelernt. Die erforderlichen Annotationen werden von Hand erzeugt. Dies ist ein zeitraubender Vorgang der ein fundamentales Problem für das Training und Testen von Erkennungssystemen darstellt. Die Zielsetzung dieses Antrages ist die Erstellung eines Systems, das stattdessen von einem neuartigen Typ Trainingsdaten lernt. Dabei handelt es sich um Online Videos, die über Portale wie youtube in größeren Mengen frei zugänglich sind. Die Annotationen, welche die Anwender für Videos vergeben, sollen dazu verwendet werden ein Erkennungssystem in schwach überwachter Form zu trainieren. Um solches visuelles Lernen zu ermöglichen, wollen wir auf einige etablierte Verfahren für Bilddaten zurückgreifen, für die das Lernen von Online Daten bereits untersucht wurde. Im Unterschied dazu wollen wir den Schwerpunkt auf die Eigenheiten von Videodaten legen und dabei besonders die folgenden Fragen beantworten:Wie wählt / kombiniert man Merkmale für Videoinhalte? Verschiedene semantische Konzepte werden am besten durch unterschiedliche visuelle Eigenschaften beschrieben. Wir planen die Untersuchung verschiedener Merkmale (z.B. Textur und Bewegung) sowie ihrer geeigneter Fusion mittels Methoden des maschinellen Lernens. Können wir Videoabschnitte identifizieren die für ein Konzept relevant sind? Es ist möglich, dass ein Konzept nur in bestimmten Abschnitten aber nicht in allen Teilen eines Videos sichtbar ist. Um diese relevanten Abschnitte zu identifizieren und daraus verbesserte Konzeptmodelle zu erzeugen, planen wir unüberwachte Topic Modelle für den zeitlichen Bereich zu adaptieren. Wie können Objektmodelle durch Bewegungssegmentierung verbessert werden? Objekte können im Video aufgrund ihrer spezifischen Bewegung vom Hintergrund getrennt werden. Wir planen die Untersuchung verschiedener Möglichkeiten Objekterkennung mit bewegungsbasierter Segmentierung zu kombinieren.