فایل ورد کامل تولید توضیحات (توصیفات) ویدیوی زبان طبیعی با استفاده از دانش حاصل از متن کاوی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تولید توضیحات (توصیفات) ویدیوی زبان طبیعی با استفاده از دانش حاصل از متن کاوی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

ما یک تکنیک جامع مبتنی بر داده ارائه می‌دهیم که توضیحات زبان طبیعی برای ویدیوها تولید می‌کند. ما خروجی مفعول مرز دانش و کشف کننده‌های فعالیت را با دانش دنیای واقعی برای انتخاب سه‌تایی فاعل- فعل- مفعول به منظور توضیح یک ویدیو، ترکیب می‌کنیم. ما نشان می‌دهیم که این دانش، که بصورت خودکار از بدنه متن استخراج شده‌است، الگوریتم انتخاب سه‌تایی را با فراهم‌سازی اطلاعات متنی آن، بهبود بخشیده و منجربه یک افزایش چهاربرابری در شناسایی فعالیت می‌شود. بر خلاف روش‌های قبلی، رویکرد ما می‌تواند ویدیوهای دلخواه را بدون نیاز به جمع‌آوری و حاشیه‌نویسی متن‌های (از قبل تهیه شده) مربوط به ویدیوهای آموزشی مشابه، حاشیه نویسی کند. ما تکنیک خود را در برابر یک روش پایه که از دانش حاصل از متن کاوی استفاده نمی‌کند، ارزیابی کرده و نشان می‌دهیم که افراد، در ۶۱% از مواقع، توضیحات ما را ترجیح می‌دهند.

عنوان انگلیسی:

Generating Natural-Language Video Descriptions Using Text-Mined Knowledge

~~en~~ writers :

Niveda Krishnamoorthy, Girish Malkarnenkar , Raymond Mooney

We present a holistic data-driven technique that generates natural-language descriptions for videos. We combine the output of state-of-the-art object and activity
detectors with “real-world” knowledge to select the
most probable subject-verb-object triplet for describing a video. We show that this knowledge, automatically mined from web-scale text corpora, enhances the
triplet selection algorithm by providing it contextual information and leads to a four-fold increase in activity
identification. Unlike previous methods, our approach
can annotate arbitrary videos without requiring the expensive collection and annotation of a similar training
video corpus. We evaluate our technique against a baseline that does not use text-mined knowledge and show
that humans prefer our descriptions 61% of the time.

$$en!!