文献

J-GLOBAL ID：201602279678266903   整理番号：16A1235223

特徴融合とマンハッタン量子化に基づくビデオハッシュ学習手法【JST・京大機械翻訳】

Video hash learning based on feature fusion and Manhattan quantization

著者 (3件)： Nie Xiushan (School of Computer Science and Technology,Shandong University of Finance and Economics, Digital Media Technology Key Laboratory of Shandong Province) ,  Wang Shuting (School of Computer Science and Technology,Shandong University of Finance and Economics) ,  Yin Yilong (School of Computer Science and Technology,Shandong University, Shandong Engineering and Technology Center of Financial Informatization)
資料名： Nanjing Daxue Xuebao. Zirankexue  (Nanjing Daxue Xuebao. Zirankexue)
巻： 52  号： 4  ページ： 705-713  発行年： 2016年 
JST資料番号： C2593A  ISSN： 0469-5097  CODEN： NCHPAZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在の情報時代は、コンピュータとマルチメディア技術の発展に従い、インターネット、特にモバイルインターネットにおいて、ビデオデータ構造が複雑で、特徴の次元が高く、そのストレージ、転送と検索は巨大な挑戦に直面しており、ビデオハッシュの学習は上述の挑戦を解決する重要な方法の一つである。それはマルチメディア処理分野の研究ホットスポットになっている。既存の方法は主にビデオの異なる特徴を利用してビデオのハッシュを構築するが、異なる特徴には相関関係が存在し、ビデオの異なる特徴間の相関関係を十分に利用し、伝統的なビデオ符号化の限界を克服するために、特徴融合とマンハッタン量子化に基づくビデオハッシュの学習方法を提案した。まず第一に,ビデオの大域的,局所的,および時間領域特性を抽出して,異なった特徴の融合をテンソル分解理論によって実現して,ビデオ融合特性を得た。次に,ビデオ量子化特性を定量化するために,マンハッタン量子化を使用して,ビデオ符号化シーケンスを得た。従来のビデオ符号化アルゴリズムと比較して,この方式は,マルチ特性の間の相関関係を完全に利用するだけではなく,オリジナルビデオ特性の異なる次元を符号化して,オリジナル特性の間の構造類似性を維持した。実験結果は,この方法がより良い性能を持つことを示した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *量子化 ,  類似性 ,  *録画装置 ,  インターネット ,  *学習 ,  符号化 ,  ホットスポット
準シソーラス用語： テンソル分解 ,  時間領域 ,  学習方法 ,  ビデオ符号化 ,  ストレージ装置 ,  映像データ ,  モバイルインターネット ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (4件)： video hashing ,  feature fusion ,  tensor decomposition ,  Manhattan quantization

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 特徴融合 ,  マンハッタン ,  量子化 ,  ビデオ ,  学習 ,  手法