مقاله #31

Query Object Detection in Big Video Data on Hadoop Framework

2 صفحه

تشخیص اشیا به روش دستورالعمل در داده های ویدئویی بزرگ در چهارچوب هدوپ

3 صفحه

ترجمه word و pdf انگلیسی

50,000 ريال

چکیده
در عصر ظهور فناورهای هایی شامل منابع چندرسانه ای، سخنرانی های ویدئویی اهمیت بسیار زیادی پیدا کرده است. تشخیص اشیا در چنین سیستم هایی در کاربرد هایی مانند شناسایی فرد، جنسیت، رویداد و سایر موارد غیر زنده حیاتی است. در این مقاله در مورد استفاده از چهارچوب هدوپ برای مدیریت چنین داده های ویدئویی بزرگی بحث خواهیم نمود. فناوری  نگاشت کاهش هدوپ با کمک الگوریتم های پردازش  ویدئو اصلاح می شود تا به بازدهی معینی در شناسایی داده های ویدئویی بزرگ دست یابیم. داده ویدئویی بزرگ ابتدا در گره های متعدد محیط هدوپ که هر کدام از آن ها نقشی در پردازش ویدئو ها دارند، توزیع می شود. نگاشت حذف، ویدئوها را در تمام گره های یک خوشه توزیع می کند. در فاز اول نگاشت، ویدئوهای اصلی از حالت RGB به مقیاس خاکستری تبدیل می شوند؛ زیرا زمان پردازش ویدئوهای مقیاس خاکستری نسبت به ویدئوهای RGB یک سوم می شود. سپس در مرحله دوم نگاشت، روش کاهش پس زمینه برای شناسایی اشیا استفاده می شود. در انتها شیء شناسایی شده دسته بندی می شود.
عبارات کلیدی: شناسایی اشیا، داده های ویدئویی بزرگ، هدوپ، تخصیص ویدئو

50,000 ريال