基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了一种新的视频分类框架,其中采用核函数极限学习机(KELM)而不是Softmax函数作为卷积神经网络(CNN)体系结构中的分类器,以提高分类的性能.为了验证方法的有效性,我们提出了一个新的Piracy Video-4数据集.在Piracy Video-4的数据集上进行的实验证明了所提出方法的优越性.
推荐文章
基于时空域深度特征两级编码融合的视频分类
视频分类
两级编码
深度学习
特征融合
基于支撑矢量机的自动视频分类方法
支撑矢量机
中心距离比值
自动视频分类
序列模式挖掘在视频分类中的应用
基于内容检索
视频分类
序列模式
视频分割
一种基于粗糙集的视频分类方法
视频分类
粗糙集
特征提取
分类规则
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Terrestrial Digital Television基于深度学习的盗版视频分类
来源期刊 广播电视信息 学科
关键词 盗版视频 深度学习 极限学习机 视频分类
年,卷(期) 2019,(z1) 所属期刊栏目 盗版追踪与维权
研究方向 页码范围 84-87
页数 4页 分类号
字数 3423字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李珊珊 4 0 0.0 0.0
2 薛子育 10 6 2.0 2.0
3 张乃光 17 26 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
盗版视频
深度学习
极限学习机
视频分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广播电视信息
月刊
1007-1997
11-3229/TN
大16开
北京市场信息2144信箱
82-46
1994
chi
出版文献量(篇)
9372
总下载数(次)
15
论文1v1指导