Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Clustering for Video Retrieval

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F09%3APU82627" target="_blank" >RIV/00216305:26230/09:PU82627 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Clustering for Video Retrieval

  • Popis výsledku v původním jazyce

    The paper deals with an application of clustering we used as one of data reduction methods included in processing huge amount of video data provided for TRECVid evaluations. The problem we solved by means of clustering was to partition the local featuredescriptors space so that thousands of partitions represent visual words, which may be effectively employed in video retrieval using classical information retrieval techniques. It has proved that well-known algorithms as K-means do not work well in thistask or their computational complexity is too high. Therefore we developed a simple clustering method (referred to as MLD) that partitions the high-dimensional feature space incrementally in one to two database scans. The paper describes the problem of video retrieval and the role of clustering in the process, the MLD method and experiments focused on comparison with other clustering methods in the video retrieval application context.

  • Název v anglickém jazyce

    Clustering for Video Retrieval

  • Popis výsledku anglicky

    The paper deals with an application of clustering we used as one of data reduction methods included in processing huge amount of video data provided for TRECVid evaluations. The problem we solved by means of clustering was to partition the local featuredescriptors space so that thousands of partitions represent visual words, which may be effectively employed in video retrieval using classical information retrieval techniques. It has proved that well-known algorithms as K-means do not work well in thistask or their computational complexity is too high. Therefore we developed a simple clustering method (referred to as MLD) that partitions the high-dimensional feature space incrementally in one to two database scans. The paper describes the problem of video retrieval and the role of clustering in the process, the MLD method and experiments focused on comparison with other clustering methods in the video retrieval application context.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Data Warehousing and Knowledge Discovery

  • ISBN

    978-3-642-03729-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Linz

  • Datum konání akce

    31. 8. 2009

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku