DSpace Repository

Temporal video segmentation

Show simple item record

dc.contributor.author Erol, Mehmet Murat
dc.date.accessioned 2021-06-28T12:18:45Z
dc.date.available 2021-06-28T12:18:45Z
dc.date.issued 2019
dc.identifier.citation Erol, Mehmet Murat (2019). Temporal video segmentation / Zamansal video bölümleme. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü. tr_TR
dc.identifier.uri http://hdl.handle.net/20.500.12416/4869
dc.description.abstract Teknolojinin ilerlemesi ile birlikte video içerik üretimi de hızlı bir şekilde artmıştır. Teknolojideki bu ilerleme aynı zamanda görsel bilgi kullanımını da arttırdı. Video içeriğinin üretimindeki ve tüketimindeki bu artışlar, videoların etkili bir şekilde bölümlenmesi, özetlenmesi ve sıralanması ihtiyacını doğurmuştur. Video bölümle, video özetleme ve sıralama işlemlerinin ilk adımıdır. Video bölümleme bir video anlamlı ve kendi içinde bütüncül parçalara ayırmayı hedefler. Videoyu kendi içinde bütüncül parçalara böldükten sonra videonun daha ileri analizi için anlamsal bölümleme tekniklerini uygulayabiliriz. Bu tezde, Zamansal Video Bölümleme sıkıştırılmış ve sıkıştırılmamış alanlarda incelenmiştir ve yapay sinir ağları kullanılarak ilgili çalışmada geçen metotlardan daha iyi performans gösteren bir metot sunulmuştur. tr_TR
dc.description.abstract With the advancement in technology video content generation increased rapidly. This advancement of technology also increased the consumption of video information. The increase in both generation and consumption of video content has created the need of segmenting, summarizing and indexing video with high efficiency. Video segmentation is the first step to summarize and index videos. Video segmentation aims to segment a video into meaningful, consistent shots. After segmenting video into shots with consistent content then we can apply semantic segmentation techniques to further analysis of a video. In this thesis Temporal Video Segmentation is examined in both compressed and uncompressed domain and presented a new method using artificial neural networks that has improved performance over methods presented in the related work. tr_TR
dc.language.iso eng tr_TR
dc.rights info:eu-repo/semantics/openAccess tr_TR
dc.subject Video tr_TR
dc.subject Segmentation tr_TR
dc.subject Compressed Video tr_TR
dc.subject Uncompressed Video tr_TR
dc.subject Bölümleme tr_TR
dc.subject Sıkıştırılmış Video tr_TR
dc.subject Sıkıştırılmamış Video tr_TR
dc.title Temporal video segmentation tr_TR
dc.title.alternative Zamansal video bölümleme tr_TR
dc.type masterThesis tr_TR
dc.identifier.startpage 1 tr_TR
dc.identifier.endpage 39 tr_TR
dc.contributor.department Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record