Hasil Pencarian katakunci : deteksi acara

Pada halaman ini, anda dapat melihat dokumen-dokumen yang berkaitan dengan katakunci yang telah anda pilih. Untuk memilih katakunci lainnya, anda dapat memilih pada bagian kanan laman website ini.

ANALISIS PERISTIWA YANG TIDAK BIASA UNTUK MENDALAM SUMBER DAYA LAUT
Salah satu tugas utama untuk submersible laut dalam adalah untuk pengamatan peristiwa / objek, mis., Ikan atau udang spesies baru, topografi yang aneh. Dalam makalah ini, dengan memperhatikan gerakan hewan laut dalam atau peristiwa menarik sebagai peristiwa tidak biasa, kami mengusulkan kerangka kerja visual baru untuk analisis peristiwa laut dalam yang tidak biasa, yang bermaksud untuk mengurangi tenaga kerja awak kapal dan meningkatkan akurasi dan efisiensi yang sesuai. Dibandingkan dengan sebagian besar negara-of-the-art fokus pada pelacakan ikan, kami memiliki fungsi yang jauh lebih beragam termasuk deteksi peristiwa yang tidak biasa, pelacakan dan peringkasan. Semua tugas ini didasarkan pada kapal selam laut dalam Tiongkok, Jiaolong, memasang beberapa kamera video di sekitarnya. Khususnya, untuk kamera PTZ, kerangka kerja kami pertama-tama dapat secara otomatis mendeteksi peristiwa yang tidak biasa dengan arti-penting visual, dan melacak objek yang sesuai dengan pelacak pembelajaran online kami sebelumnya; apalagi, operator manusia dapat secara manual menginisialisasi ulang kapan saja untuk mencapai kontrol manusia-in-loop. Untuk kamera stasioner lainnya, kami mengekstrak bingkai kunci dengan peringkasan video kami dengan sparsity grup. Untuk menjustifikasi efisiensi dan efektifitas kerangka visual yang kami usulkan, dataset peristiwa laut dalam yang baru dikumpulkan dari kamera video Jiaolong yang direkam secara offline, dan dijelaskan oleh kami sendiri untuk evaluasi yang adil. Hasil eksperimen dilaporkan berdasarkan pada dataset kami sendiri, di mana metode kami dapat mendeteksi, melacak, dan merangkum kejadian yang tidak biasa dengan benar.
DETEKSI KONTEN AFFEKTIF DI SITCOM MENGGUNAKAN SUBTITLE DAN AUDIO
Dari sudut pandang media yang dipersonalisasi, banyak pengguna lebih menyukai alat yang fleksibel untuk dengan cepat menelusuri konten afektif dalam video. Konten afektif seperti itu dapat menyebabkan reaksi keras audiens atau pengalaman emosional khusus, seperti kemarahan, kesedihan, ketakutan, kegembiraan dan cinta. Makalah ini mencoba untuk mengekstraksi konten afektif untuk video digital dengan menganalisis file subtitle video DVD / DivX dan memanfaatkan acara audio untuk membantu deteksi konten afektif. Pertama, video tersegmentasi oleh partisi skrip dialog. Dibandingkan dengan pengambilan video tradisional, video yang tersegmentasi oleh skrip tidak terpengaruh oleh perubahan kamera dan sudut pengambilan gambar dan mudah untuk memasukkan segmen video dengan konten yang ringkas. Kedua, kosa kata yang berhubungan dengan emosi dalam skrip video terdeteksi untuk menemukan konten video afektif. Menggunakan skrip untuk secara langsung mengakses konten video menghindari analisis video yang rumit. Ketiga, deteksi peristiwa audio digunakan untuk membantu deteksi konten afektif. Dibandingkan dengan analisis semantik video tradisional, analisis konten afektif lebih menekankan pada reaksi dan emosi audiens. Eksperimen awal dilakukan pada video sitkom karena struktur videonya yang sederhana memberikan pengetahuan domain yang berguna. Hasil percobaan menunjukkan bahwa analisis file subtitle dan deteksi peristiwa audio memberikan petunjuk yang efektif dan efisien untuk menentukan konten emosional dari video
IDENTIFIKASI LOKASI UNTUK ACARA KEJAHATAN & BENCANA OLEH GEOPARSING TWITTER
Geoparsing berarti secara otomatis mengidentifikasi lokasi dalam teks. Lokasi menyebutkan dalam pesan selama peristiwa kejahatan dan bencana sangat penting, karena mereka dapat membantu tim tanggap darurat untuk dengan cepat mengidentifikasi tempat untuk mengirim tim penyelamat ke lokasi. Penggunaan media sosial selama peristiwa krisis seperti itu telah meningkat pesat di seluruh dunia, serta di India. Kami menganggap di sini sumber pesan sebagai Twitter karena bersifat realtime, kuat, dan dapat menangani sejumlah besar data. Kami mengumpulkan tweet secara real time dan kemudian menguraikan tweet tersebut untuk situasi krisis dan informasi lokasi. Mengekstraksi informasi lokasi ke tingkat jalan & bangunan akan membantu mendeteksi lokasi persis acara; ini dilakukan dengan bantuan metode NLP. Kami menggunakan pengklasifikasi untuk mengklasifikasikan tweet untuk mendapatkan acara tersebut terjadi.