期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯网络的视频静态语义探测新方法
被引量：
1
1
作者
韩智广
吴玲达
+1 位作者
谢毓湘
栾悉道
《武汉理工大学学报》
CAS
CSCD
北大核心
2009年第18期179-181,共3页
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘[1]出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室...
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘[1]出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内/室外进行探测的新方法,实验结果验证该方法的有效性。
展开更多
关键词
视频检索
贝叶斯网络
支持矢量机
语义
探测
语义
检索
原文传递
一种基于贝叶斯网络的视频静态语义探测新方法
2
作者
李杨
《电脑知识与技术》
2008年第7期117-118,128,共3页
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内...
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内/室外进行探测的新方法,实验结果验证该方法的有效性。
展开更多
关键词
视频检索
贝叶斯网络
支持矢量机
语义
探测
语义
检索
下载PDF
职称材料
Co-Concept-Boosting视频语义索引方法
3
作者
陈丹雯
袁志民
+1 位作者
邓莉琼
吴玲达
《小型微型计算机系统》
CSCD
北大核心
2012年第7期1603-1607,共5页
语义概念探测是建立视频语义索引的根本方法,传统探测方法没有充分考虑语义概念间存在的复杂关系.本文充分利用概念间关系提出了co-concept-boosting方法,该方法分为三个层次:第一层是基于上下文关系的探测模型的构建,第二层是结合概念...
语义概念探测是建立视频语义索引的根本方法,传统探测方法没有充分考虑语义概念间存在的复杂关系.本文充分利用概念间关系提出了co-concept-boosting方法,该方法分为三个层次:第一层是基于上下文关系的探测模型的构建,第二层是结合概念间关系的boosting处理,第三层是对boosting过程中产生的多个探测模型的融合.利用Trecvid2005数据的实验分析证明,该方法具有良好的性能以及稳定性.
展开更多
关键词
视频
语义
索引
语义
概念
探测
Co-Concept-Boosting方法
基于上下文关系的
语义
概念融合
语义
概念关系
下载PDF
职称材料
基于概念对关系的视频多语义概念学习方法研究
被引量：
1
4
作者
陈丹雯
刘然
+2 位作者
袁志民
邓莉琼
吴玲达
《计算机科学》
CSCD
北大核心
2011年第4期244-248,共5页
多语义概念学习是视频检索的重要支持技术。针对此问题提出了基于概念对关系的视频多语义概念学习方法。首先分析大规模语义概念之间存在的概念对关系类型,并根据TRECVID2005标注数据以及Columbia374数据对其进行定量分析;然后利用概念...
多语义概念学习是视频检索的重要支持技术。针对此问题提出了基于概念对关系的视频多语义概念学习方法。首先分析大规模语义概念之间存在的概念对关系类型,并根据TRECVID2005标注数据以及Columbia374数据对其进行定量分析;然后利用概念对关系进行基于上下文关系语义概念探测器的相关概念选择,并根据探测器可靠性对相关概念赋予权重,最后根据视觉相似性和单语义概念探测器进行融合。实验证明,该方法能够取得较好的语义概念探测性能。
展开更多
关键词
多
语义
概念学习
概念对关系
语义
概念
探测
下载PDF
职称材料
一个知识辅助的视频语义概念探测框架
5
作者
白亮
老松杨
+2 位作者
侯小强
刘海涛
卜江
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2012年第4期90-94,共5页
视频语义概念探测是视频语义内容分析研究领域的热点和难点问题。语义概念探测方法的性能取决于其是否能够有效地建模和匹配视频语义内容特征。将视频内容抽象为感知概念和语义概念以及概念间的关系,提出了知识辅助的视频语义概念探测框...
视频语义概念探测是视频语义内容分析研究领域的热点和难点问题。语义概念探测方法的性能取决于其是否能够有效地建模和匹配视频语义内容特征。将视频内容抽象为感知概念和语义概念以及概念间的关系,提出了知识辅助的视频语义概念探测框架,利用本体建模概念间关系和上下文知识,从低层特征匹配和上下文匹配两个方面综合考虑语义概念的探测。通过线性融和策略,对匹配结果进行融合得到最终的探测结果。实验结果表明提出的方法探测性能良好。
展开更多
关键词
本体
视频
语义
概念
探测
上下文信息
低层特征
下载PDF
职称材料
题名
基于贝叶斯网络的视频静态语义探测新方法
被引量：
1
1
作者
韩智广
吴玲达
谢毓湘
栾悉道
机构
国防科技大学多信息系统与管理学院
湖南省发展和改革委员会
出处
《武汉理工大学学报》
CAS
CSCD
北大核心
2009年第18期179-181,共3页
基金
国家自然科学基金(No.60473117)
文摘
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘[1]出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内/室外进行探测的新方法,实验结果验证该方法的有效性。
关键词
视频检索
贝叶斯网络
支持矢量机
语义
探测
语义
检索
Keywords
video retrieval
bayesian network
support vector machine
semantic detection
semantic retrieval
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
原文传递
题名
一种基于贝叶斯网络的视频静态语义探测新方法
2
作者
李杨
机构
阜阳师范学院计算机与信息学院
出处
《电脑知识与技术》
2008年第7期117-118,128,共3页
文摘
传统的基于内容的视频检索是利用图像的颜色、纹理以及形状等底层特征来对视频进行检索,然而这些底层特征并没有深层次地挖掘出视频的语义内容。在用支持矢量机对图像进行分类的基础上,提出了一种基于贝叶斯网络的对视频静态语义如室内/室外进行探测的新方法,实验结果验证该方法的有效性。
关键词
视频检索
贝叶斯网络
支持矢量机
语义
探测
语义
检索
Keywords
Video Retrieval
Bayesian Network
Support Vector Machine
Semantic Detection
Semantic Retrieval
分类号
TP393 [自动化与计算机技术—计算机应用技术][自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
Co-Concept-Boosting视频语义索引方法
3
作者
陈丹雯
袁志民
邓莉琼
吴玲达
机构
国防科技大学信息系统与管理学院信息系统工程重点实验室
装备指挥技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第7期1603-1607,共5页
基金
国家自然科学基金项目(60802080)资助
国家自然科学基金项目(61002020)资助
文摘
语义概念探测是建立视频语义索引的根本方法,传统探测方法没有充分考虑语义概念间存在的复杂关系.本文充分利用概念间关系提出了co-concept-boosting方法,该方法分为三个层次:第一层是基于上下文关系的探测模型的构建,第二层是结合概念间关系的boosting处理,第三层是对boosting过程中产生的多个探测模型的融合.利用Trecvid2005数据的实验分析证明,该方法具有良好的性能以及稳定性.
关键词
视频
语义
索引
语义
概念
探测
Co-Concept-Boosting方法
基于上下文关系的
语义
概念融合
语义
概念关系
Keywords
semantic video indexing
semantic concept detection
Co-Concept-Boosting
context based conceptual fusion
inter-concept relation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于概念对关系的视频多语义概念学习方法研究
被引量：
1
4
作者
陈丹雯
刘然
袁志民
邓莉琼
吴玲达
机构
国防科技大学信息系统工程重点实验室
中国电子设备系统工程公司
装备指挥技术学院
出处
《计算机科学》
CSCD
北大核心
2011年第4期244-248,共5页
基金
国家863高科技计划项目(2009AA01Z335)
国家自然科学基金项目(60802080)
国家自然科学基金(61002020)资助
文摘
多语义概念学习是视频检索的重要支持技术。针对此问题提出了基于概念对关系的视频多语义概念学习方法。首先分析大规模语义概念之间存在的概念对关系类型,并根据TRECVID2005标注数据以及Columbia374数据对其进行定量分析;然后利用概念对关系进行基于上下文关系语义概念探测器的相关概念选择,并根据探测器可靠性对相关概念赋予权重,最后根据视觉相似性和单语义概念探测器进行融合。实验证明,该方法能够取得较好的语义概念探测性能。
关键词
多
语义
概念学习
概念对关系
语义
概念
探测
Keywords
Multi-concept learning
Inter-concept relation
Concept detectors
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一个知识辅助的视频语义概念探测框架
5
作者
白亮
老松杨
侯小强
刘海涛
卜江
机构
国防科技大学信息系统工程重点实验室
[
出处
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2012年第4期90-94,共5页
基金
国家自然科学青年基金项目(60902094)
“十二五”国家部委项目
文摘
视频语义概念探测是视频语义内容分析研究领域的热点和难点问题。语义概念探测方法的性能取决于其是否能够有效地建模和匹配视频语义内容特征。将视频内容抽象为感知概念和语义概念以及概念间的关系,提出了知识辅助的视频语义概念探测框架,利用本体建模概念间关系和上下文知识,从低层特征匹配和上下文匹配两个方面综合考虑语义概念的探测。通过线性融和策略,对匹配结果进行融合得到最终的探测结果。实验结果表明提出的方法探测性能良好。
关键词
本体
视频
语义
概念
探测
上下文信息
低层特征
Keywords
knowledge-assisted
ontology
video semantic concept detection
context
分类号
O23 [理学—运筹学与控制论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯网络的视频静态语义探测新方法
韩智广
吴玲达
谢毓湘
栾悉道
《武汉理工大学学报》
CAS
CSCD
北大核心
2009
1
原文传递
2
一种基于贝叶斯网络的视频静态语义探测新方法
李杨
《电脑知识与技术》
2008
0
下载PDF
职称材料
3
Co-Concept-Boosting视频语义索引方法
陈丹雯
袁志民
邓莉琼
吴玲达
《小型微型计算机系统》
CSCD
北大核心
2012
0
下载PDF
职称材料
4
基于概念对关系的视频多语义概念学习方法研究
陈丹雯
刘然
袁志民
邓莉琼
吴玲达
《计算机科学》
CSCD
北大核心
2011
1
下载PDF
职称材料
5
一个知识辅助的视频语义概念探测框架
白亮
老松杨
侯小强
刘海涛
卜江
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2012
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
