郑州电力高专校园网现状调查

本文介绍郑州电力高专搬到新校区后,校园网的现状。主要介绍网络的拓扑结构,网络与外界联系的几个出口以及连接形式,学校日常的监控网络系统与校园网的关系。英语四、六级考试的监控网与校园网的关系,日常教工的考勤与校园网的关系,国家电网的内网如何连接到学校等一系列的问题。

基于深度网络的多模态视频场景分割算法

针对视频场景中底层特征与高层语义特征之间存在的“语义鸿沟”及多特征融合等问题,根据视频多模态之间时序关联共生的特性,提出了一种基于深度网络的多模态视频场景分割算法,从每个镜头中提取丰富的底层特征及语义概念特征,将其特征向量串联的整体特征向量作为深度网络的输入并进行嵌入空间学习,通过计算两个镜头整体特征向量之间的距离得到语义相似性的度量值,然后最小化时间段内距离的平方和对镜头进行聚类处理,最终得到语义层面的场景。实验结果表明,该算法在分类精度上具有良好的性能,能对视频场景实现有效分割。

基于SIFT特征点的视频镜头突变检测改进算法

该文提出了一种改进的结合SIFT特征点提取的视频镜头突变检测算法。针对SIFT算法特征描述子维数过高的问题,该文在SIFT算法基础上重新划分特征点邻域,将特征描述子维数降低50%。实验结果表明,改进的SIFT算法视频镜头突变检测平均查全率达到了97. 84%,查准率达到了96. 83%,比文献值分别高出2. 05%和2. 38%,平均每秒完成特征点提取的视频帧数为42. 4187,每一秒的特征点提取效率提高了60. 49%。提高了镜头变化检测的精度和时间效率。

深度学习视角下视频关键帧提取与视频检索研究

随着互联网技术的高速发展,互联网中的视频数据已经成为其中的重要数据类型,且在安全监控及视频网站当中得到了十分广泛的应用。随着互联网的逐渐普及,视频搜索也有了更大的意义,因此对视频检索技术的研究则是非常重要的。视频关键帧提取则主要体现视频中各个镜头的显著特征,通过视频关键帧提取能够有效减少视频检索所需要花费的时间,并能够增强视频检索的精确度。因此,对于视频关键帧提取与视频检索进行研究是非常有意义的。