Sport Video Classification using an Ensemble Classifier
محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,196
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP07_128
تاریخ نمایه سازی: 28 مرداد 1391
چکیده مقاله:
Sport video classification is an application of videoanalysis which can be useful in video indexing and retrieval. Inthis article, a new method for sport video classification usingensemble classifier is proposed. The proposed method uses 6features: 3 dominant colors, dominant gray level, cut rate andmotion rate. These features are classified by 4 simple classifiersin an ensemble classifier: Nearest Neighbor (NN), LinearDiscriminant Analysis (LDA), Decision Tree (DT) andProbabilistic Neural Network (PNN). To combine the output ofsimple classifiers and make final decision, weighted majorityvote is used while the weight of each simple classifier is equalto corresponding correct classification rate (CCR).Experimental result shows that the CCR of proposed system is78.8%. In this experiment, 104 clips in 7 different sport classesare used: football, basketball, tennis, swimming, futsal, ski andbox.
کلیدواژه ها:
نویسندگان
Mohamad Hoseyn Sigari
Control & Intelligent Processing Center of Excellence (CIPCE), School of Electrical & Computer Eng.College of Engineering, University of Tehran, Tehran ۱۴۳۹۹, Iran
Samaneh Abbasi Sureshjani
Control & Intelligent Processing Center of Excellence (CIPCE), School of Electrical & Computer Eng.College of Engineering, University of Tehran, Tehran ۱۴۳۹۹, Iran
Hamid Soltanian-Zadeh
Control
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :