La comprensión de archivos de vídeo es una tarea difícil. Aunque las técnicas actuales de comprensión de vídeo se basan en el aprendizaje profundo, los resultados obtenidos adolecen de una falta de significado real y fiable. El aprendizaje profundo reconoce patrones a partir de big data, lo que lleva a una abstracción profunda de características, pero no a una comprensión profunda. El aprendizaje profundo trata de entender la producción multimedia analizando su contenido. No podemos entender la semántica de un archivo multimedia analizando únicamente su contenido. Los eventos que ocurren en una escena adquieren su significado a partir del contexto que los contiene. Un niño gritando puede estar asustado por una amenaza o sorprendido por un bonito regalo o simplemente jugando en el patio. La inteligencia artificial es un proceso heterogéneo que va más allá del aprendizaje. En este artículo, analizamos la heterogeneidad de la IA como un proceso que incluye el conocimiento innato, las aproximaciones y la conciencia del contexto. Presentamos una técnica de comprensión de vídeo consciente del contexto que hace que la máquina sea lo suficientemente inteligente como para entender el mensaje que hay detrás del flujo de vídeo. El objetivo principal es entender el flujo de vídeo extrayendo conceptos significativos reales, emociones, datos temporales y datos espaciales del contexto del vídeo. La difusión de patrones de datos heterogéneos del contexto del vídeo conduce a una toma de decisiones precisa sobre el mensaje del vídeo y supera a los sistemas que se basan en el aprendizaje profundo. Las comparaciones objetivas y subjetivas demuestran la exactitud de los conceptos extraídos por la técnica propuesta consciente del contexto en comparación con las técnicas actuales de comprensión de vídeo de aprendizaje profundo. Ambos sistemas se comparan en términos de tiempo de recuperación, tiempo de computación, consumo de tamaño de datos y análisis de complejidad. Las comparaciones muestran un uso eficiente de los recursos del sistema propuesto con conciencia de contexto, lo que lo convierte en una solución adecuada para escenarios en tiempo real. Además, se discuten los pros y los contras de las arquitecturas de aprendizaje profundo.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
QDs soportados en películas Langmuir-Blodgett de polímeros y tensioactivos Gemini
Artículo:
La vaina gelatinosa del sifón modela el crecimiento de los agregados de aragonito en forma de estrella
Artículo:
Epidemiología Molecular Global de y : Un Atlas de los Tipos Moleculares
Artículo:
Degradación de las propiedades mecánicas de los nanocompuestos de nanoarcilla de haloysita y poliéster expuestos al agua de mar
Artículo:
Síntesis ecológica, caracterización y evaluación de la actividad antimicrobiana de nanopartículas de plata de Camellia sinensis
Artículo:
Medicina de la conservación ¿una disciplina para médicos veterinarios?
Libro:
Tratamiento de aguas para consumo humano : plantas de filtración rápida. Manual II : diseño de plantas de tecnología apropiada
Artículo:
Configuración de los valores de María, antes y después de la violación, en Satanás de Mario Mendoza
Showroom:
Panel fotovoltaico: Dimensionamiento y funcionamiento