电视技术
電視技術
전시기술
TV ENGINEERING
2014年
23期
41-47
,共7页
视频散列%帧%索引%结构学习%局部视觉模式%加速近端梯度法
視頻散列%幀%索引%結構學習%跼部視覺模式%加速近耑梯度法
시빈산렬%정%색인%결구학습%국부시각모식%가속근단제도법
video hashing%frames%indexing%structure learning%local visual patterns%accelerated proximal gradient method
散列算法已经被广泛应用于视频数据的索引.然而,当前大多数视频散列方法将视频看成是多个独立帧的简单集合,通过综合帧的索引来对每个视频编制索引,在设计散列函数时往往忽略了视频的结构信息.首先将视频散列问题建模为结构正规化经验损失的最小化问题.然后提出一种有监管算法,通过利用结构学习方法来设计高效的散列函数.其中,结构正规化利用了出现于视频帧(与相同的语义类别存在关联)中的常见局部视觉模式,同时对来自同一视频的后续帧保持时域一致性.证明了通过使用加速近端梯度(APG)法可有效求解最小化目标问题.最后,基于两个大规模基准数据集展开全面实验(150 000个视频片断,1 200万帧),实验结果证明了该方法性能优于当前其他算法.
散列算法已經被廣汎應用于視頻數據的索引.然而,噹前大多數視頻散列方法將視頻看成是多箇獨立幀的簡單集閤,通過綜閤幀的索引來對每箇視頻編製索引,在設計散列函數時往往忽略瞭視頻的結構信息.首先將視頻散列問題建模為結構正規化經驗損失的最小化問題.然後提齣一種有鑑管算法,通過利用結構學習方法來設計高效的散列函數.其中,結構正規化利用瞭齣現于視頻幀(與相同的語義類彆存在關聯)中的常見跼部視覺模式,同時對來自同一視頻的後續幀保持時域一緻性.證明瞭通過使用加速近耑梯度(APG)法可有效求解最小化目標問題.最後,基于兩箇大規模基準數據集展開全麵實驗(150 000箇視頻片斷,1 200萬幀),實驗結果證明瞭該方法性能優于噹前其他算法.
산렬산법이경피엄범응용우시빈수거적색인.연이,당전대다수시빈산렬방법장시빈간성시다개독립정적간단집합,통과종합정적색인래대매개시빈편제색인,재설계산렬함수시왕왕홀략료시빈적결구신식.수선장시빈산렬문제건모위결구정규화경험손실적최소화문제.연후제출일충유감관산법,통과이용결구학습방법래설계고효적산렬함수.기중,결구정규화이용료출현우시빈정(여상동적어의유별존재관련)중적상견국부시각모식,동시대래자동일시빈적후속정보지시역일치성.증명료통과사용가속근단제도(APG)법가유효구해최소화목표문제.최후,기우량개대규모기준수거집전개전면실험(150 000개시빈편단,1 200만정),실험결과증명료해방법성능우우당전기타산법.
