Autores:  (1) Praveen Tirupattur, Universidade da Flórida Central.  Tabela de links   Abstrato   Reconhecimentos   Capítulo 1 Introdução   Capítulo 2: Trabalho Relacionado   Capítulo 3: Abordagem Proposta   Capítulo 4: Experimentos e Resultados   Capítulo 5: Conclusões e Trabalho Futuro   Bibliografia  Abstrato  Nos últimos anos, houve um tremendo aumento na quantidade de conteúdo de vídeo enviado para redes sociais e sites de compartilhamento de vídeo como Facebook e Youtube. Como resultado disso, o risco de as crianças serem expostas a conteúdos adultos e violentos na web também aumentou. Para resolver esse problema, neste trabalho é proposta uma abordagem para detectar automaticamente conteúdo violento em vídeos. Aqui, é feita uma nova tentativa também de detectar a categoria de violência presente em um vídeo. Um sistema que pode detectar automaticamente a violência tanto de filmes de Hollywood como de vídeos da web é extremamente útil não apenas no controle parental, mas também para aplicações relacionadas à classificação de filmes, vigilância por vídeo, classificação de gênero e assim por diante.  Aqui, recursos de áudio e visuais são usados para detectar violência. Os recursos MFCC são usados como dicas de áudio. Os recursos Blood, Motion e SentiBank são usados como dicas visuais. Os classificadores SVM binários são treinados em cada um desses recursos para detectar violência. A fusão tardia usando uma soma ponderada de pontuações de classificação é realizada para obter pontuações de classificação finais para cada classe de violência alvo do sistema. Para determinar os pesos ótimos para cada uma das classes de violência é empregada uma abordagem baseada na busca em grade. Conjuntos de dados disponíveis publicamente, principalmente Detecção de Cena Violenta (VSD), são usados para treinamento de classificadores, cálculo de peso e testes. O desempenho do sistema é avaliado em duas tarefas de classificação, classificação multiclasse e classificação binária. Os resultados obtidos para Classificação Binária são melhores que os resultados iniciais do MediaEval-2014.  Este artigo está   sob licença CC 4.0. disponível no arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Este áudio é produzido no idioma original da história!

Muito longo; Para ler

Boost your HackerNoon story @ $159.99! 🚀

Detecção de violência em vídeos: resumo

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps