• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Machine Intelligence, IEEE Transactions on >Tiny Videos: A Large Data Set for Nonparametric Video Retrieval and Frame Classification
【24h】

Tiny Videos: A Large Data Set for Nonparametric Video Retrieval and Frame Classification

机译：小视频：用于非参数视频检索和帧分类的大型数据集

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we present a large database of over 50,000 user-labeled videos collected from YouTube. We develop a compact representation called ȁC;tiny videosȁD; that achieves high video compression rates while retaining the overall visual appearance of the video as it varies over time. We show that frame sampling using affinity propagationȁ4;an exemplar-based clustering algorithmȁ4;achieves the best trade-off between compression and video recall. We use this large collection of user-labeled videos in conjunction with simple data mining techniques to perform related video retrieval, as well as classification of images and video frames. The classification results achieved by tiny videos are compared with the tiny images framework [24] for a variety of recognition tasks. The tiny images data set consists of 80 million images collected from the Internet. These are the largest labeled research data sets of videos and images available to date. We show that tiny videos are better suited for classifying scenery and sports activities, while tiny images perform better at recognizing objects. Furthermore, we demonstrate that combining the tiny images and tiny videos data sets improves classification precision in a wider range of categories.
机译：在本文中，我们介绍了一个大型数据库，其中包含从YouTube收集的50,000多个带有用户标签的视频。我们开发了一个紧凑的表示形式，称为ȁC；小视频ȁD；可以实现高视频压缩率，同时保留视频的整体视觉外观（随时间变化）。我们展示了使用亲和力传播ȁ4；基于示例的聚类算法ȁ4；实现了压缩和视频回想之间的最佳折衷。我们将大量用户标记的视频与简单的数据挖掘技术结合使用，以执行相关的视频检索以及图像和视频帧的分类。微型视频获得的分类结果与微型图像框架[24]进行了比较，可用于各种识别任务。微型图像数据集包含从互联网收集的8000万幅图像。这些是迄今为止可用的最大的带标签的视频和图像研究数据集。我们显示，微小的视频更适合用于对风景和体育活动进行分类，而微小的图像在识别对象方面表现更好。此外，我们证明了将微小的图像和微小的视频数据集组合在一起可以提高更广泛类别的分类精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号