TAILIEUCHUNG - Sử dụng deep Neural Networks biểu diễn các thuộc tính cho bài toán phát hiện cảnh bạo lực trong video

Bài viết đề xuất sử dụng DNN để biểu diễn các thuộc tính của khái niệm bạo lực như cảnh chứa máu, vũ khí, rượt đuổi xe, đánh nhau, cảnh chết chóc được sử dụng cho bài toán phát hiện cảnh bạo lực trong video (Violent Screne Detection -VSD). | Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR 9 Cần Thơ ngày 4-5 8 2016 DOI SỬ DỤNG DEEP NEURAL NETWORKS BIỂU DIỄN CÁC THUỘC TÍNH CHO BÀI TOÁN PHÁT HIỆN CẢNH BẠO LỰC TRONG VIDEO Đỗ Văn Tiến 1 Lâm Quang Vũ 2 Phan Lê Sang 3 Ngô Đức Thành 1 Lê Đình Duy 1 Dƣơng Anh Đức 1 1 Phòng Thí nghiệm Truyền thông Đa Phương tiện Trường Đại học Công nghệ Thông tin ĐHQG 2 Khoa Công nghệ thông tin Trường Đại học Khoa học Tự nhiên ĐHQG 3 Viện Tin học Quốc gia Nhật Bản NII tiendv@ lqvu@ plsang@ thanhnd ldduy ducda @ TÓM TẮT Deep Neural Networks DNN là một thuật toán máy học trong đó sử dụng mạng neural nhân tạo Artificial Neural Networks nhiều tầng để học biểu diễn mô hình đối tượng. Với rất nhiều kết quả vượt trội so với các phương pháp trước đó DNN đang được cộng đồng nghiên cứu thế giới sử dụng trong nhiều lĩnh vực như xử lý ảnh xử lý âm thanh xử lý ngôn ngữ tự nhiên. Trong bài báo này chúng tôi đề xuất sử dụng DNN để biểu diễn các thuộc tính của khái niệm bạo lực như cảnh chứa máu vũ khí rượt đuổi xe đánh nhau cảnh chết chóc được sử dụng cho bài toán phát hiện cảnh bạo lực trong video Violent Screne Detection -VSD . Đây là bài toán có tính thực tiễn và ứng dụng cao làm tiền đề để xây dựng các công cụ phân tích và kiểm duyệt nội dung video trên các kênh thông tin đa phương tiện trước khi tới người xem. Để đánh giá phương pháp đề xuất chúng tôi xây dựng hệ thống trong đó sử dụng một số mô hình DNN phổ biến như Alexnet UvANet VGG để đánh giá độ chính xác trên tập dữ liệu chuẩn VSD1 2014. Kết quả thực nghiệm cho thấy độ chính xác khi sử dụng DNN là 48 12 cao hơn so với phương pháp tốt nhất không sử dụng DNN 13 . Bên cạnh đó bằng việc phân tích kết quả thực nghiệm chúng tôi sẽ đưa ra một số nhận xét trong việc lựa chọn thông tin từ các tầng phù hợp trong mô hình DNN cũng như cách thức biểu diễn video làm cơ sở cho các nhóm nghiên cứu có quan tâm đến .

• Kỹ thuật lập trình
• Sử dụng deep Neural Networks
• Phát hiện cảnh bạo lực trong video
• Xử lý ngôn ngữ tự nhiên
• Xử lý âm thanh
• Nhận diện ảnh
• Mô hình học sâu
• Mạng nơ ron
• Tín hiệu sinh học
• Xử lý tín hiệu y sinh
• Gai động kinh
• Tín hiệu điện não
• Đại diện thương hiệu
• Hình ảnh thương hiệu
• Nhận diện thương hiệu
• Ảnh hưởng của thần tượng ảo
• Tạp chí Khoa học Đại học Hạ Long
• Thiết kế hệ thống nhận diện cử chỉ tay
• Ảnh nhiệt sử dụng mô hình VGG16 và SVM
• Mô hình VGG16 và SVM
• Mô hình VGG16
• Thiết kế hệ thống nhận diện
• Quản trị thương hiệu
• Bài giảng Quản trị thương hiệu
• Cấu trúc nhận diện thương hiệu
• Thương hiệu sản phẩm
• Hệ thống nhận diện thương hiệu Du lịch
• Thương hiệu Du lịch Việt Nam
• Thương hiệu Du lịch
• Du lịch Việt Nam
• Hệ thống hình ảnh thương hiệu
• Logo thương hiệu
• Thương hiệu nhánh
• Mạng noron tích chập nối tầng đa nhiệm
• Mạng noron tích chập
• Nhận diện mặt người
• Mạng CNN xếp chồng
• bản sắc thương hiệu
• kinh nghiệm kinh doanh
• bí kíp kinh doanh
• khả năng kinh doanh
• Đồ án tốt nghiệp
• Đồ án tốt nghiệp đại học
• Xử lý ảnh
• Thiết kế mạch chống trộm
• Thi công mạch chống trộm
• Mạch chống trộm thông minh
• Kit Arduino Uno R3
• Module Sim 800A
• Nhận diện khuôn mặt
• Thuật toán nhận diện
• các loại dầu gội
• phát triển thương hiệu
• bản sắc nhận diện thương hiệu
• đối thoại thương hiệu
• quảng bá
• Khóa luận tốt nghiệp
• Cảm nhận thương hiệu
• Lòng trung thành của khách hàng
• Khách hàng cá nhân
• Ảnh hưởng thương hiệu
• Xử lý hình ảnh
• Nhận dạng ký tự
• Mạng nơron tích chập
• Phân loại hình ảnh
• Nhận dạng các biển số xe
• Ứng dụng camera 3D
• Phân loại sản phẩm
• Nhận diện hình dạng
• Nhận diện kích thước
• Thư viện OpenCV
• Lập trình Python
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Khoa học máy tính
• Nhận diện khuôn mặt người
• Phương pháp phát hiện khuôn mặt
• Kỹ thuật xử lý hình ảnh
• Mô hình mtcnn
• Phương pháp triplet loss
• Phương pháp K Nearest Neighbors
• Cơ sở dữ liệu về khuôn mặt
• Khóa luận tốt nghiệp Quản trị kinh doanh
• Quản trị kinh doanh
• Độ nhận diện thương hiệu
• Thương hiệu Nội Thất Woodpark
• Ý định tiêu dùng mỹ phẩm
• Chăm sóc sắc đẹp
• Thuyết hành động hợp lý
• Thuyết hành vi có kế hoạch
• Thuyết tài sản thương hiệu
• Đề án xây dựng
• Hình ảnh tỉnh Đồng Tháp
• Căn cứ pháp lý
• Nhận diện hình ảnh tỉnh Đồng Tháp
• Chính sách xây dựng
• Phát triển du lịch
• Xói lở bờ biển
• Giải đoán ảnh
• Ảnh vệ tinh
• Biến động đường bờ biển
• Thừa Thiên Huế
• Bờ biển Thừa Thiên Huế
• Hình ảnh thương hiệu trường đại học
• Danh tiếng trường đại học
• Thương hiệu trường đại học
• Lòng trung thành của sinh viên
• Nhận diện thương hiệu đại học
• Lọc dị hướng
• Mạng nơ ron tích chập sâu
• Khử nhiễu hình ảnh
• Nâng cao chất lượng ảnh MRI
• Hệ thống MIMO
• Chức năng của thương hiệu
• Nhận biết thương hiệu
• Vai trò của thương hiệu
• Cà phê Mộc Nguyên
• Phương thức chế biến cà phê
• Robot đồng hành cùng người cao tuổi
• Robot chăm sóc người cao tuổi
• Hệ thống nhúng
• Thuật toán nhận diện khuôn mặt
• Xử lý hình ảnh thời gian thực
• Nhận dạng biển số xe ô tô
• Xe máy tự động
• Mạng nơ ron nhân tạo
• Vật thể Single Shot MultiBox
• Công nghệ xử lý ảnh
• nghiên cứu khoa học
• công nghệ khoa học
• báo cáo khoa học
• hình ảnh doanh nghiệp
• Vệ sinh DSLR
• Dụng cụ cảm biến
• vệ sinh máy ảnh
• cảm biến máy ảnh
• công cụ nhận diện
• ống kính rời