Show simple item record

Semisupervised segmentation of UHD video

dc.contributor.advisorHoleňa Martin
dc.contributor.authorKeruľ-Kmec Oliver
dc.date.accessioned2019-02-20T10:56:06Z
dc.date.available2019-02-20T10:56:06Z
dc.date.issued2019-02-01
dc.identifierKOS-762877566405
dc.identifier.urihttp://hdl.handle.net/10467/80241
dc.description.abstractJednou z hlavných predspracujúcich úloh v oblasti získavania informácii z videa je segmentácia scény, hlavne segmentácia popredných objektov od pozadia. Ide vlastne o klasifikačnú úlohu, ktorá je špecifická v tom, že je časovo náročné získať človekom anotované trénovacie dáta na učenie klasifikátora. Preto je vhodné použiť semi-supervizovanú klasifikáciu. Táto práca sa zaoberá použitím semi-supervizovaných klasifikátorov založených na regularizovaní zhlukov a na fuzzy c-means v spojeni s úlohou segmentácie popredia a pozadia. Na klasifikáciu ďalších snímkov podľa jedného snímku, ktorý oštítkoval človek, je použitý detektor významných bodov založený na kombinácii detektoru rohov s vizuálny deskriptorom. Práca experimentálne porovnáva obe tieto metódy s tradičnou metódou GMM.cze
dc.description.abstractOne of the key preprocessing tasks in information retrieval from a video is the segmentation of the scene, primarily its segmentation into foreground objects and the background. This is actually a classification task, but with the specific property that it is very time consuming and costly to obtain human-labelled training data for classifier training. That suggests to use semi-supervised classifiers to this end. The presented work reports the investigation of semisupervised classification methods based on cluster regularization and on fuzzy c-means in connection with the foreground / background segmentation task. To classify as many video frames as possible using only a single human-based frame, the semi-supervised classification is combined with a frequently used keypoint detector based on a combination of a corner detection method with a visual descriptor method. The paper experimentally compares both methods of semi-supervised classification in this context with traditional algorithm GMM.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html.eng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html.cze
dc.subjectUHD video,Segmentácia scény,Detektor významných bodov,Semisupervizovaná klasifikácia,Regularizácia klastrov,C-meanscze
dc.subjectUHD video,Scene segmentation,Keypoint detector,ORB,Semisupervisedclassification,Cluster regularization,C-meanseng
dc.titleSemi-supervizovaná segmentace videa ve vysokém rozlišenícze
dc.titleSemisupervised segmentation of UHD videoeng
dc.typeMAGISTERSKÁ PRÁCEcze
dc.typeMASTER'S THESISeng
dc.date.accepted2019-02-06
dc.contributor.refereePulc Petr
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatikacze


Files in this item




This item appears in the following Collection(s)

Show simple item record