4.2.1 Shot Detection. Dcut. cut. Kap Multimedia Retrieval - SS01. Kap Multimedia Retrieval - SS01
|
|
- Ulrike Sauer
- vor 7 Jahren
- Abrufe
Transkript
1 4.2.1 Shot Detection Ein Film setzt sich aus vielen Szenen zusammen. Jede Szene enthält Bilder (Frames), welche zu sich selber ähnlich sind. Z.B. zeigt eine Szene einen Fernsehsprecher bei der Ansage. Für das Retrieval lohnt es sich nicht, die einzelnen Frames dieser Szene zu indexieren. Stattdessen genügt es, die Szene mit Hilfe eines repräsentativen Bildes der Sequenz zu indexieren. Dabei ergeben sich zwei Teilprobleme: Erkennung eines Szenenübergangs (shot detection): Dabei kann man unterscheiden zwischen harten Übergängen (cut) und weichen Übergängen (dissolve, fade-out-fade-in). Erstellen eines repräsentativen Bildes: Eine Möglichkeit wäre, ein zufällig gewähltes Bild aus der Sequenz zu verwenden. Dabei würden aber Kamerabewegungen nicht berücksichtigt werden. Eine erweiterte Variante fügt deshalb die Einzelbilder zu einem neuen virtuellen Bild zusammen. Bewegte Objekte können ausgeblendet werden (resp. werden separat beschrieben) Kap.4-21 Shot Detection (harte Übergänge) Um harte Übergänge zu finden muss man nach abrupten Änderungen im Bildstrom suchen. Z.B. kann dies mit Hilfe einer Ähnlichkeitsfunktion basierend auf primitiven Merkmalen geschehen. [Zhang:1993] beschreibt mehrere Varianten basierend auf dieser Idee: Pixelweiser Vergleich: Die Änderung der Intensität aller Pixel zwischen zwei Frames wird gemessen. Falls die Änderung gross genug ist (threshold), so wird ein cut angenommen: D cut ( x, y, t) I ( x, y, t 1) = I + x, y Der threshold kann mittels Experimenten geschätzt werden. Histogramm Vergleich: Für jedes Frame wird ein Helligkeitshistogramm berechnet (Verteilung der Helligkeit über das gesamte Bild). Die zugrunde liegende Annahme ist: die Helligkeitsänderung zwischen Frames derselben Seqeunz ist klein, jene zwischen Frames unterschiedlicher Sequenzen in der Regel gross. Sei H(j,t) der Histogramwert für den j-ten Wert und das t-te Frame. Falls die Änderung der Histogramme zweier aufeinanderfolgende Frames zu gross ist (threshold), dann kann ein cut angenommen werden: ( j, t) H ( j, t ) Dcut = H + 1 j Kap.4-22
2 Zahlreiche weitere Ansätze verwenden andere (bessere?) Ähnlichkeitsfunktionen, um harte Übergänge zu finden. Das Grundkonzept ist stets dasselbe. Offensichtlich ist die Wahl des thresholds wichtig. Falls er zu klein gewählt wird, werden falsche cuts erkannt, falls er zu gross gewählt wird, so werden cuts nicht erkannt. Eine mögliche Wahl des threshold kann wie folgt erfolgen: Aufgrund von Beispielen wird eine Schranke so gewählt, dass möglichst wenige cuts übersehen werden und nicht zu viele falsche cuts ausgegeben werden. Dies kann z.b. mit Hilfe von Verteilungs-funktionen geschehen. Eine erste Verteilungsfunktion repräsentiert die Differenzen innerhalb der Sequenzen (intra), die zweite jene zwischen den Sequenzen (inter). Der threshold wird so gewählt, dass die Fehlerrate minimal ist. Häufigkeit intra inter threshold Differenz Kap.4-23 Harte cuts können, vorausgesetzt der threshold ist richtig gewählt, bis zu 95% richtig erkannt werden. Probleme dieses Verfahrens Weiche Übergänge (fade-out, fade-in) können nicht erkannt werden. Objekte, welche schnell durchs Bild fliegen werden häufig als falsche cuts erkannt. Eine schnelle Kameraführung (z.b. Kameraschwenk) führt ebenfalls in vielen Fällen zu falsch erkannten cuts. Shot Detection (weiche Übergänge) Ein weicher Übergang kann mittels moderner Schnittsoftware in manigfaltiger Form auftauchen: fade-out, fade-in: die erste Sequenz wird ausgeblendet bis zum total schwarzen Bild (alternativ: bis zum total weissen Bild). Danach wird die neue Sequenz langsam eingeblendet. dissolve: das Ende der ersten Sequenz wird langsam ausgeblendet, während der Beginn der zweiten Sequenz überlagernd eingeblendet wird. Daneben gibt es unzählig viele weitere Effekte (siehe Werbung, Filme, Musik- Videos) Kap.4-24
3 Die Methode zur Erkennung von harten Übergängen hilft hier nicht viel, da die Änderungen zwischen den Frames recht klein sind. Aber über mehrere Frames hinweg sind die Änderungen doch markant. Dies führt zu einer einfachen Idee: twin thresholding: Ein erster threshold (t c ) hilft bei der Erkennung von harten Übergängen. Ein zweiter threshold (t s ) wird benutzt, um den Anfang eines möglichen Übergangs zu erkennen. Dieses Frame wird dann als Referenzframe für die nächsten Frames benutzt, d.h. die Differenzen werden immer zu diesem Frame bestimmt. Falls die Differenz über den ersten threshold (t c ) steigt, dann fand ein weicher Übergang statt. Falls die Differenzen für längere Zeit unterhalb des thresholds t c bleiben, dann war es nicht der Anfang eines Übergangs. Das Verfahren wird dann an der entsprechenden Stelle fortgesetzt. Differenzen möglicherweise weicher Übergang t c t s Zeit harter Übergang kein weicher Übergang weicher Übergang Kap.4-25 Eine andere Möglichkeit besteht darin, die Übergänge zu modellieren und nach charakteristischen Mustern im Strom Ausschau zu halten. Z.B. können fade-outfade-in Übergänge relativ leicht mit Hilfe eines Helligkeitshistogramm erkannt werden (siehe nächste Folie). Beim fade-out werden die Bilder der ersten Sequenz immer dunkler. Im Histogramm macht sich dies durch eine Stauchung in der x-richtung (Helligkeitswerte) bemerkbar (vgl. erste Reihe auf nächster Folie) Beim fade-in werden die Bilder der zweiten Sequenz immer heller. Im Histogramm macht sich dies durch eine Streckung in der x-richtung (Helligkeitswerte) bemerkbar (vgl. letzte Reihe auf nächster Folie) Dazwischen gibt es einige Frames, welche ganz schwarz (oder fast schwarz) sind. Ein fade-out-fade-in Effekt kann also aufgrund der obigen Beobachtungen erkannt werden. Immer wenn das Helligkeitshistogramm zuerst gestaucht wird, dann eine Zeit lang nur dunkel enthält, und dann wieder gestreckt wird, so fand ein fade-outfade-in Übergang statt. Anfang und Ende können erkannt und die Sequenzen separiert werden. Für andere Effekte können ähnliche Modelle aufgestellt werden. Kap.4-26
4 Kap.4-27 Bemerkungen: Shot-Detection könnte mit der Einführung von MPEG-7 zumindest für neue Videoströme überflüssig werden. Dann nämlich sind die Ströme bereits in der Rohform annotiert, so dass man Übergänge nicht mehr suchen muss. Dies macht auch sehr viel Sinn, da die elektronische Schnittsoftware genau weiss, wann welcher Übergang stattgefunden hat. Für älteres Bildmaterial oder nicht annotiertes Bildmaterial gibt es aber keine Alternativen. Shot-Detection muss nicht 100% funktionieren. Es genügt, wenn mind. 90% der cuts erkannt werden. Beim Retrieval möchte man zudem eher weniger Sequenzen durchsuchen müssen. Die üblichen Shot-Detection Algorithmen betrachten nur Übergänge zwischen zwei Sequenzen. In vielen Fällen aber wird zwischen mehreren Einstellungen hin und her geschaltet (z.b. zwei Personen im Gespräch; Seq. 1: erste Person, Seq. 2: zweite Person, Seq. 3: wieder erste Person, Seq. 4: wieder zweite Person, usw.). Anstelle mehrerer Sequenzen könnte man auch die Sequenzen, welche die erste Person zeigen, zusammenfügen (ebenso die Sequenzen, welche die zweite Person zeigen). Cluster Algorithmen können dabei hilfreich sein. Kap.4-28
5 Erstellen eines repräsentativen Bildes: Eine einfache Art, ein repräsentatives Bild für eine Sequenz zu erstellen, besteht darin, ein zufälliges Bild aus dem Strom zu wählen. Vorteile: sehr einfach zu implementieren bei Szenen ohne Kamerabewegung und Objektbewegung ist dies genügend gut Nachteile: Bei Kamerabewegungen werden nur Teile der Sequenz erfasst Bei Objektbewegungen ist die Position des Objektes zufällig Eine bessere Möglichkeit, ein repräsentatives Bild für eine Sequenz zu erstellen, wurde erstmals in QBIC (IBM) angewendet. Dabei werden die Bilder der Sequenz zusammengefügt. Bei einer Kamerabewegung entsteht z.b. ein Panoramabild. Bewegte Objekte werden entfernt und durch zusätzliche Merkmale separat indexiert. Probleme: Durch die Kamerabewegung verändert sich die Filmebene. Dadurch können die Bilder nicht einfach durch Rotation, Skalierung und Translation aneinandergefügt werden. Stattdessen müssen kompliziertere Projektionen angewendet werden. Dies führt zu einigen (irrelevanten) Artefakten. Kap.4-29 Beispiel 1: Zusammenfügen zweier Bilder Kap.4-30
6 Beispiel 2: Zusammenfügen mehrere Bilder (13) Kap.4-31 Beispiel 3: Zusammenfügen mit Entfernen des bewegten Objektes. Kap.4-32
7 4.2.2 Merkmale für das Retrieval Ein Video setzt sich z.t. aus mehreren Strömen zusammen Bildstrom mit visueller Information; manche DVDs erlauben das Betrachten einer Szene aus verschiedenen Kamerawinkel. D.h. für gewisse Sequenzen existieren mehrere Bildströme. Mehrere Audioströme für verschiedene Sprachen und Dokumentation des Films (siehe DVD). Textströme in Form von Untertiteln. Für jeden Strom können grundsätzlich die Methoden aus den vergangenen Kapitel zu Text-, Bild- und Audioretrieval angewendet werden. Allerdings sollte man die gesamte Information nutzen, um eine Sequenz zu beschreiben. D.h. anstatt Text- und Bildstrom nur separat zu indexieren, sollte man auch die Kombination der Ströme nutzen, um zusätzliche Merkmale zu erkennen. Einige Beispiele wurden bereits zu Beginn des Kapitels erwähnt (Objekterkennung, Erkennung von heissen Sportszenen, Erkennung der Person auf den Bildern,...). Kap.4-33 Darüber hinaus gibt es noch weitere Merkmale, welche in keinem der Teilgebiete (Bild, Text, Audio) auftreten: Bewegung von Objekten: Beim Bildretrieval gibt man sich schon zufrieden, wenn man Objekte erkennen kann. Beim Videoretrieval will man darüber hinaus auch über die Bewegung (Richtung, Geschwindigkeit) informiert sein. Z.B. Auto bewegt sich schnell von links nach rechts. Die Erkennung von bewegten Objekten ist z.b. durch den Vergleich von Formen in den Bildern möglich. Mittels edge detection, z.b., werden die Formen des Objektes in den Frames einer Sequenz ermittelt. Dann versucht man mittels Rotation, Translation und Skalierung die Formen ineinander überzuführen. Falls dies gelingt, so hat man ein bewegtes Objekt gefunden. Die ermittelte Transformation ermöglich die Bestimmung von Richtung und Geschwindigkeit des Objektes. In MPEG-4-Strömen ist die Extraktion von bewegten Objekten einfacher. Der MPEG-4 Standard ermöglicht nämlich die separate Kompression von Hintergrund und (bewegten) Vordergrundobjekten. Da sich der Hintergrund und auch die Vordergrundobjekte nur wenig ändern, muss man nur die Verschiebung der Vordergrundobjekte, die Kamerabewegung und die Änderungen im Hintergrund und Vordergrund erfassen. Die Erkennung von Objektbewegungen reduziert sich somit zur Analyse des MPEG-4-Stroms. Damit wird allerdings das Problem nur von der Retrievalkomponente zur Kompressionskomponente verschoben. Kap.4-34
8 Kamerabewegung: Interessant sind die Änderungen der Einstellung der Kamera sowie die Bewegung der Kamera selber. Zu diesem Zweck werden Modelle für die verschiedenen Effekte aufgestellt und nach deren Auftreten im Bildstrom gesucht (siehe Bsp. mit fade-out-fade-in). Zeit-Ort-Beziehungen: Aufgrund der Objektbewegungen ergeben sich Trajektorien im Ort-Zeit-Raum (d.h. eine Linie im 4-dimensionalen Raum). Diese Trajektorien können Fragestellungen wie wo und wann haben sich Person A und B getroffen beantworten. Kap MPEG-7 Im Gegensatz zu MPEG-1, MPEG-2 und MPEG-4 handelt es sich bei MPEG-7 nicht um ein neues Kompressionsverfahren für audio-visuelle Inhate. Stattdessen sind die Ziele von MPEG-7 wie folgt definiert: Beschreibung von multimedialer Information aller Art (also Bilder, Audio, Video). Beschreibung der möglichen Deskriptorentypen (Merkmale) und deren Beziehung zueinander. Eine Sprache für die Definition der Deskriptoren Eine oder mehrere Möglichkeiten, Deskriptoren zu kodieren und effizient zu durchsuchen. Was nicht zum Standard gehört: Die konkreten Implementierung der Merkmalsextraktoren ist nicht im Standard beschrieben, um mögliche Weiterentwicklungen nicht zu verhindern. Such- und Filterwerkzeuge (diese müssen von speziellen Suchmaschinen implementiert werden). Big Picture: Feature Extraction MPEG-7 Description Standardisierung Search Engine Kap.4-36
9 Beispiel: Beschreibung der Dokumentdaten <MediaInformation> <MediaIdentification> <Identifier IdOrganization= MPEG IdName= MPEG7ContentSet > mpeg7_content:news1 </Identifier> </MediaIdentification> <MediaProfile> <MediaFormat> <FileFormat>MPEG-1</FileFormat> <System>PAL</System> <Medium>CD</Medium> <Color>color</Color> <Sound>mono</Sound> <FileSize> </FileSize> <Length>00:38</Length> <AudioChannels>1</AudioChannels> <AudioLanguage> <LanguageCode>es</LanguageCode> <CountryCode>es</CountryCode> </AudioLanguage> <AudioCoding>AC-3</AudioCoding> </MediaFormat> <MediaCoding> <FrameWidth>352</FrameWidth> <FrameHeight>288</FrameHeight> <FrameRate>25</FrameRate> <CompressionFormat>MPEG-1</CompressionFormat> </MediaCoding> <MediaInstance> <Identifier IdOrganization= MPEG IdName= MPEG7ContentSetCD > mpeg7_17/news1 </Identifier> <Locator> <MediaURL>file://D:/Mpeg7_17/news1.mpg</MediaURL> </Locator> </MediaInstance> </MediaProfile> </MediaInformation> Kap.4-37 Beispiel: Beschreibung des Creators <Creation> <Title type="original"> <TitleText xml:lang="es">telediario (segunda edición) </TitleText> <TitleImage> <MediaURL>file://images/teledario_ori.jpg</MediaURL> </TitleImage> </Title> <Title type="alternative"> <TitleText xml:lang="en">afternoon news</titletext> <TitleImage> <MediaURL>file://images/teledario_en.jpg</MediaURL> </TitleImage> </Title> <Creator> <role>presenter</role> <Individual> <GivenName>Ana</GivenName> <FamilyName>Blanco</FamilyName> </Individual> </Creator> <CreationDate> </CreationDate> <CreationLocation> <PlaceName xml:lang="es">piruli</placename> <Country>es</Country> <AdministrativeUnit>Madrid</AdministrativeUnit> </CreationLocation> </Creation> Kap.4-38
10 Beispiel: Personenbeschreibungen <!-- specification --> <element name= Creator <element name= Publisher... type= Person /> type= Person /> <!-- description --> <Creator xsi:type="persongroup"> <Name>Rolling Stones</Name> <Member xsi:type="individual"> <Name> <GivenName initial="m">mick</givenname> <FamilyName>Jagger</FamilyName> </Name> </Member> <Member xsi:type="individual"> <Name> <GivenName>Charly</GivenName> <FamilyName>Watts</FamilyName> </Name> </Member> </Creator> <Publisher xsi:type="organization"> <Name>ACME Publishing Co.</Name> <ContactPerson>... </ContactPerson> </Publisher> Kap.4-39 Beispiel: Beschreibung von low-level Merkmalen in Segmenten <StillRegion id="img0001"> <MatchingHint id="weight01" reliability=" "> <MatchingHintValue DescriptorName="ColorHistogram"> </MatchingHintValue> <MatchingHintValue DescriptorName ="DominantColor"> </MatchingHintValue> <MatchingHintValue DescriptorName ="TextureHistogram"> </MatchingHintValue> </MatchingHint> <ColorHistogram> <-- Details omitted --> </ColorHistogram> <DominantColor> <-- Details omitted --> </DominantColor> <TextureHistogram> <-- Details omitted --> </TextureHistogram> <-- Other Details omitted --> </StillRegion> Kap.4-40
11 Beispiel: Merkmale für Gruppen mit Semantik <Examples SemanticLabel="baldheaded man walking" Length="3" Confidence="1.0" DescriptorName="ColorHistogram"> <Descriptor> </Descriptor> <Descriptor> </Descriptor> <Descriptor> </Descriptor> </Examples> Kap.4-41 Beispiel: Structured Annotation <StructuredAnnotation> <Who>Fernado Morientes</Who> <WhatAction CSName= Sports CSLocation= > scoring </WhatAction> <!-- the thesuarus is a fictional example --> <When>Spain Sweden soccer match</when> <!--- This description is written in English --> <TextAnnotation xml:lang= en-us > This was the first goal of this match. </TextAnnotation> </StructuredAnnotation> goal (CS: classification scheme) Kap.4-42
12 Diskussion MPEG-7 ist ein notwendiger Standard, um Annotationen in ein einheitliches Format zu bringen. Dadurch wird auch der einfache Austausch verschiedener Archive ermöglicht resp. die Integration mehrerer Archive. Ein Problem von MPEG-7 ist, dass es nur ein Framework darstellt. Es braucht auf einer höheren Ebene noch mehr Standardisierung, so dass die verwendeten Deskriptoren einheitlich sind. Z.B. sollte jedes Video eine <Creation> Annotation haben, oder jedes Bild sollte Farbmomente (hoffentlich mit demselben Algorithmus extrahiert) enthalten. Zwar kann man low-level Merkmale einfach nachberechnen, doch macht es dann keinen Sinn, diese Deskriptoren in MPEG-7 Beschreibungen aufzunehmen.ebenso stellen textuelle Beschreibungen ein Problem dar: welche Sprache soll verwendet werden (d.h. welche Fachsprache; Englisch/Deutsch)? Wieviel Information und wie deatilliert muss die Information angegeben werden? Wer übernimmt diese Standardisierungen? Zwar ist der Standard breit abgestützt, doch fehlen überall noch die notwendigen Werkzeuge. Z.B. sollte jeder digitale Fotoapparat nicht nur Fotos aufzeichnen, sondern gleich auch noch alle Metadaten ausfüllen (soweit möglich). Die Eingabe von Annotationen sollte weitgehend von Werkzeugen automatisch vorgenommen werden. Die Akzeptanz und Unterstützung von MPEG-7 ist zur Zeit an einem kritischen Punkt angelangt. In den nächsten Jahren wird sich zeigen, ob der Standard sich durchsetzt, oder aber ob die oben erwähnten Probleme zu gross sind. Klar ist, dass Suchmaschinen MPEG-7 (oder Teile davon) nur dann verwenden, wenn alle Daten homogen beschrieben sind. Kap.4-43 Literatur / Links Allgemeine Bücher zum Bildtretrieval Peter Schäuble, Content-Based Information Retrieval from Large Text and Audio Databases, Kluwer Academic Publishers, Alberto Del Bimbo, Visual Information Retrieval, Morgan Kaufmann Publishers, Audio-Retrieval Links Search By Humming, Steven Blackburn, University of Southampton: ThemeFinder, Video-Retrieval (+Links) H. Zhang, A. Kankamhalli, and S. Smoliar, Automatic partitioning of full-motion video, ACM Multimedia Systems, New York: ACM Press, vol. 1, 1993, pp M. Flickner, H. Sawhney, W. Niblack, J. Ashley, Q. Huang, and B. Dom et al. Query by Image and Video Content: The QBIC System. IEEE Computer, 28(9), QBIC: GMD: Kap.4-44
Multimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 Video Retrieval und Video Summarization Maria Wagner Aspekte des Video Retrieval 2/14 Videoanalyse Analyse nötig, um Struktur und Metadaten zu erkennen
MehrEffekte richtig einsetzen
Einleitung Post-Produktion, also die Nachbearbeitung des Videomaterials, ist eine der wichtigsten, spannendsten und aufwändigsten Aufgaben jeder Filmproduktion. Die Kamera liefert das Rohmaterial (engl.:
MehrIntegration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern
Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht
MehrKeine Angst vor einem digitalen Bildarchiv
Keine Angst vor einem digitalen Bildarchiv Vortrag von Dr. Christoph Müllerleile vor der AG Digitale Archivierung des Vereins für Geschichte und Heimatkunde Oberursel e.v. am 11. September 2012 im Alten
MehrWie optimiert man die Werbungserkennung von Ad- Detective?
Wie optimiert man die Werbungserkennung von Ad- Detective? Die Ad-Detective-Werbe-Erkennung von VideiReDo basiert auf der Erkennung von Schwarzwerten / scharzen Bildern, die die Werbeblöcke abgrenzen.
MehrFebruar 06 Uni Basel Seminar Künstliche Intelligenz Stefan Pauwels Emotion Recognition :-)
Emotion Recognition :-) Themenüberblick Emotionen Emotion Recognition Speech Facial Expression Mulitmodal Emotion Recognition Integrationsmöglichkeiten der zwei Kanäle Emotionen: Grundlagen Konsens in
MehrVideos mit den Bordmitteln von Vista auf DVD brennen so geht s
Videos mit den Bordmitteln von Vista V 66/1 Windows Vista bringt gegenüber Windows XP viele neue Programme mit sich. So können Sie beispielsweise Ihre privaten Videos ohne zusätzliche Software schneiden
MehrFraunhofer Institute Media Communication
Fraunhofer Institute Media Communication ifinder: Medienanalyse und -Retrieval Media-Asset-Managementsystem mit MPEG-7 Dr. Jobst Löffler Competence Center NetMedia http://www.imk.fraunhofer.de Jobst.Loeffler@imk.fraunhofer.de
MehrDigitales Video I Wie wird Video am Computer codiert?
Digitales Video I Wie wird Video am Computer codiert? Bilder Auflösung Speicherung am Computer Bewegte Bilder Interlacing Kompression / Codec Ton Audioformate / Codecs Videoformate Bilder Auflösung: z.b.:
MehrNeue Wege der Suche in Medienarchiven
Neue Wege der Suche in Medienarchiven Dr. Harald Sack Hasso-Plattner-Institut für Softwaresystemtechnik Universität Potsdam 3. Leipziger Semantic Web Tag, 5. Mai 2011 Das HPI wurde im Oktober 1998 im Rahmen
MehrMultimedia Systeme. Dr. The Anh Vuong. email: vuongtheanh@netscape.net http: www.dr-vuong.de. Multimedia Systeme. Dr.
email: vuongtheanh@netscape.net http: www.dr-vuong.de 2001-2006 by, Seite 1 Software Tool für Multimedia Multimedia Anwendung Authoring Software BildverarbeitungsSoftware 2001-2006 by, Seite 2 05.06.2004
MehrMPEG-7: Ein Standard zur Beschreibung von Multimedia-Inhalten
MPEG-7: Ein Standard zur Beschreibung von Multimedia-Inhalten Marcel Richter mrichter@techfak.uni-bielefeld.de 1. Juli 2003 Zusammenfassung Dieser Text enstand im Rahmen des Seminars Bilddatenbanken im
Mehrdesign kommunikation development
http://www.dkd.de dkd design kommunikation development Apache Solr - A deeper look Stefan Sprenger, Developer dkd Olivier Dobberkau, Geschäftsführer dkd Agenda Einführung Boosting Empfehlungen Ausblick
MehrJens Kupferschmidt Universitätsrechenzentrum
Einordnung der Metadaten im MyCoRe Projekt Connection to other databases Data presentations MyCoResearch over instances Classifications Metadate and search Derivate User and access rights GUI Workflow
Mehr(query by image content)
Proseminar Multimedia Information-Retrieval-Systeme (query by image content) Das QBIC Projekt 1. Einleitung 1.1 Was ist QBIC 1.2 Wo wird es verwendet 2. QBIC im Detail 2.1 technische Grundlagen 2.2 Aufbau
MehrSemantische Bildsuche mittels kollaborativer Filterung und visueller Navigation
Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation Prof. Dr. Kai Uwe Barthel HTW Berlin / pixolution GmbH Übersicht Probleme der gegenwärtigen Bildsuchsysteme Schlagwortbasierte
MehrPowerPoint 2013. Grundkurs kompakt. Linda York 1. Ausgabe, März 2014. inkl. zusätzlichem Übungsanhang K-POW2013-G-UA
PowerPoint 2013 Linda York 1. Ausgabe, März 2014 Grundkurs kompakt inkl. zusätzlichem Übungsanhang K-POW2013-G-UA 4.1 Grafiken einfügen Grundlagen zum Einfügen von Grafiken Möchten Sie Bilder oder Grafiken
MehrAudiovisuelle Archive in der digitalen (Medien-)Welt
Audiovisuelle Archive in der digitalen (Medien-)Welt Mag. Herbert Hayduck 14.05.2014 Dokumentation / Archiv-Erfassung Dokumentation Unter Dokumentation versteht man die Nutzbarmachung von Informationen
MehrTechnische Gesichtserkennung
Technische Gesichtserkennung Gliederung Was ist Gesichtserkennung? Anwendungsbereiche der Gesichtserkennung Technische Verfahren Paul-Viola Algorithmus Gesichtsverfolgung via Webcam Hardware Software Demo
MehrLectures on Demand. Lectures on Demand. Lectures on Demand. Lectures on Demand Automatische Annotation und Suche in Multimediapräsentationen
Automatische Annotation und Suche in Workshop lecture recording - lecture on demand 29. Mai 2006 Dr. Harald Sack Friedrich-Schiller-Universität Jena Institut für Informatik http://www.informatik.uni-jena.de/~sack/
MehrNÜTZLICHE TIPPS FÜR OPTIMALE SCANS
Bedingungen, um gute Scans zu erhalten Die Faktoren, von denen das Ergebnis eines Scans abhängt, sind einerseits die Umgebung sowie die Konfiguration und Kalibrierung des Scanners, aber auch das zu scannende
MehrWie mache ich ein Video?
Wie mache ich ein Video? Du möchtest deine Idee zum Thema nachhaltige Mobilität in einem kurzen Film zeigen, weißt aber nicht genau wie? Hier findest du Vorschläge, wie du vorgehen kannst und einige Tipps
MehrKapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete
Kapitel 0 Einführung 0.1 Was ist Computergrafik? Software, die einen Computer dazu bringt, eine grafische Ausgabe (oder kurz gesagt: Bilder) zu produzieren. Bilder können sein: Fotos, Schaltpläne, Veranschaulichung
MehrSuper-Resolution. Irena Kpogbezan & Moritz Brettschneider. Seminar Computational Photography
Super-Resolution Irena Kpogbezan & Moritz Brettschneider Seminar Computational Photography 1 Super-Resolution Was ist das? Vergrößerung der Auflösung von Bildern bei verbesserter Wahrnehmung von Informationen
MehrBildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science
Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand
MehrAutomatische Erschließung und semantische Verknüpfung von multimedialen Inhalten
Automatische Erschließung und semantische Verknüpfung von multimedialen Inhalten Vorstellung der Ergebnisse des Forschungsprojekts CONTENTUS Christoph Dosch Christian Fey Ronald Mies Birgit Schmidt Agenda
MehrLandesakademie für Fortbildung und Personalentwicklung an Schulen
Videoschnitt mit dem Video-Editor von Samsung Mit dem Video-Editor von Samsung können Videos aufgenommen, geschnitten und bearbeitet werden. Ebenso können Bilder und Audio-Dateien hinzugefügt werden, um
MehrAnbindung FLIR-Kameras FC Serie / T 43 (TCX) an IP-VCA
Anbindung FLIR-Kameras FC Serie / T 43 (TCX) an IP-VCA Systemvoraussetzungen: - FLIR Kamera FC-(R) bzw. T43 Serie ( Mini Bullet ) - IP-VCA ab Firmware Version ab 2.17 (T43 Serie ab Version 2.21!) und PC
MehrVon der Kamera zur DVD Klaus Wünschel LUG-LD
Von der Kamera zur DVD Klaus Wünschel LUG-LD Inhalt Allgemeine Grundlagen Codecs / Container Vom Camcorder zum PC / Module - Devices Linuxsoftware zur Videomanipulation Vom PC zur DVD DVD-Authoring praktische
MehrTracking Technologien für Augmented Reality
Tracking Technologien für Augmented Reality 1 Inhalt Motivation Tracking Methoden Optisch MarkerlessTracking (kleine Wiederholung) Aktiv und Passive Marker Modellbasiertes Markerless Tracking Sensoren
MehrProjektplan. Änderungskontrolle, Prüfung, Genehmigung
Projektplan Ergebnisabkürzung Klassifizierung * Status ** Projektname *** Projektabkürzung Projektleiter Autor Initiale Auftraggeber / Sponsor Betreuer (Fachdozent) PM-Coach Webseite PL Nicht klassifiziert
MehrStop Motion. Stop-Motion-Trickfilme. mit Linux
Stop Motion Stop-Motion-Trickfilme mit Linux Einführung Mit Computer und Digitalkamera ist es heute sehr einfach, Animationsfilme herzustellen. Ziel ist die Erstellung einfacher Animationsfilme. Als Beispiel
MehrFotobearbeitung mit Photoshop: Menü: Bild > Anpassen I
D i e A u t o f u n k t i o n e n Unter dem Menüpunkt Bild > Anpassen verbirgt sich eine Reihe von sehr nützlichen Einstellungsmöglichkeiten für die Fotobearbeitung. Es soll zunächst auf die automatischen
MehrAusgangspunkt. Datenintegration. Ziel. Konflikte. Architekturen. Transparenz
Ausgangspunkt Datenintegration Web Informationssysteme Wintersemester 2002/2003 Donald Kossmann Daten liegen in verschiedenen Datenquellen (Extremfall: jede URL eigene Datenquelle) Mietautos bei www.hertz.com
MehrBenutzerhandbuch Deutsch
1 Gmini 402 CamCorder CamCorder and Camera functions Benutzerhandbuch Das neueste Handbuch und die neueste Firmware für dieses Produkt finden Sie auf unserer Website. v 1.0 1 1 Video Aufnehmen eines Videos
MehrPowerPoint 2013. Grundkurs kompakt. Linda York 1. Ausgabe, 1. Aktualisierung, Januar 2014 K-POW2013-G
PowerPoint 2013 Linda York 1. Ausgabe, 1. Aktualisierung, Januar 2014 Grundkurs kompakt K-POW2013-G 4.1 Grafiken einfügen Grundlagen zum Einfügen von Grafiken Möchten Sie Bilder oder Grafiken auf Folien
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrKapitel 8. Inhaltsbasierte Suche in Bilddatenbanken
Kapitel 8 Inhaltsbasierte Suche in Bilddatenbanken One picture is worth 1000 words. However, a picture is worth far fewer than 1000 words if you cannot find them. Einführung Suche durch Merkmalswerte Suche
MehrProjekt: 2- und 3-dimensionales Darstellen Thema:»AeroShow«
Projekt: 2- und 3-dimensionales Darstellen Thema:»AeroShow«Visualisierung von Bewegungen Wintersemester 2004 / 2005 7. Semester Produktgestaltung Fachbereich Gestaltung HTW-Dresden [FH] Betreuung: Dipl.-Des.
MehrVideos die Videokamera
Videos die Videokamera Steffen Schwientek Kurzvortrag zum Videokurs Themen heute Kurze Einführung in die Videotechnik Drehen eines kurzen Dokumentarfilmes Fernsehtechnik Kameratechnik (Kleine) Kaufberatung
Mehrunter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer
Knowledge Management Wissensmanagement 0. Produktionsfaktoren 1. Data Information Knowledge 2. Knowledge representation Wissensdarstellung 3. Interfaces to artificial intelligence 4. Knowledge management
MehrTutorium 5 - Programmieren
Tutorium 5 - Programmieren Grischa Liebel Uni Karlsruhe (TH) Tutorium 11 1 Einleitung 2 Abschlussaufgaben 3 Vorlesungsstoff 4 Ergänzungen zum Vorlesungsstoff Grischa Liebel (Uni Karlsruhe (TH)) c 2008
MehrApproximationsalgorithmen
Makespan-Scheduling Kapitel 4: Approximationsalgorithmen (dritter Teil) (weitere Beispiele und Illustrationen an der Tafel) Hilfreiche Literatur: Vazarani: Approximation Algorithms, Springer Verlag, 2001.
MehrUniversal Search. `ljv^k. Whitepaper. Autor Peter Resele Datum 29. März 2010 Status Public
Universal Whitepaper Autor Peter Resele Datum 29. März 2010 Status Public `ljv^k=gmbh Karolingerstrasse 34a 82205 Gilching Germany t + 49 810 5779390 peter.resele@comyan.com f + 49 810 5779395 www.comyan.com
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrProjektgruppe. Sommersemester 2003 / Wintersemester 2003/2004. Odej Kao, Ulf Rerrer. Institut für Informatik Universität Paderborn
Projektgruppe Verteilte Multimediasysteme Sommersemester 2003 / Wintersemester 2003/2004 Odej Kao, Ulf Rerrer Institut für Informatik Universität Paderborn Reihenfolge Clusterarchitekturen [Nermin] Clustermiddleware
MehrHauptseminar Autofokus
Hauptseminar Autofokus Hans Dichtl 30. Januar 2007 Wann ist ein Bild fokussiert? Wann ist ein Bild fokusiert? Welche mathematischen Modelle stehen uns zur Verfügung? Wie wird das elektronisch und mechanisch
MehrA) Durchsuchen von Datenbanken im Internet durch Endnote
EINLEITUNG/ANWEISUNGEN ZU DIESEM TEXT Wir werden die obere Liste (File/ Edit usw.) benutzen, obwohl die meisten Funktionen auch möglich mit rechtem Mausklick, mit Kombinationen der Tastatur oder mit den
MehrAnmeldung Application
Angaben zum Unternehmen Company Information Vollständiger Firmenname / des Design Büros / der Hochschule Entire company name / Design agency / University Homepage facebook Straße, Nr. oder Postfach* Street
Mehr(1) Problemstellung. (2) Kalman Filter
Inhaltsverzeichnis (1) Problemstellung...2 (2) Kalman Filter...2 Funktionsweise... 2 Gleichungen im mehrdimensionalen Fall...3 Schätzung des Systemzustands...3 Vermuteter Schätzfehler... 3 Aktualisierung
MehrGrundlagen Programmierung
13. Aufgabe (13 Punkte) Schreiben Sie eine neue Klasse Zahlenanalyse, mit der Integer-Objekte genauer betrachtet werden können. Bei den zu entwickelnden Methoden kann es immer sinnvoll sein, sich den Ablauf
MehrGrundlegende Algorithmen
3D Spieleprogrammierung Grundlegende Algorithmen Übersicht Game Loop Spielarchitektur Aufäumen von Strukturen Vorbereiten für spätere Aufgaben Bewegungen Zeitmessung Zeitunabhängigkeit GameLoop Game Engine
MehrMySQL Queries on "Nmap Results"
MySQL Queries on "Nmap Results" SQL Abfragen auf Nmap Ergebnisse Ivan Bütler 31. August 2009 Wer den Portscanner "NMAP" häufig benutzt weiss, dass die Auswertung von grossen Scans mit vielen C- oder sogar
MehrDeep Web Suchen wir was man finden könnte?
Deep Web Suchen wir was man finden könnte? Dr. Dirk Lewandowski dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung Die Bedeutung des Deep Web Die Größe des Deep Web Strategien
MehrBildbearbeitungstechniken Lehrerinformation
Lehrerinformation 1/9 Arbeitsauftrag Ziel Zwanzig klassische Elemente der Bildbearbeitung werden vorgestellt. Die Sch arbeiten in Zweierteams und erarbeiten sich das Wissen zu je 1 2. Sie bearbeiten Bildausschnitte,
MehrExtract of the Annotations used for Econ 5080 at the University of Utah, with study questions, akmk.pdf.
1 The zip archives available at http://www.econ.utah.edu/ ~ ehrbar/l2co.zip or http: //marx.econ.utah.edu/das-kapital/ec5080.zip compiled August 26, 2010 have the following content. (they differ in their
MehrSandro Castronovo. Seminar Intelligent Virtual Characters am DFKI SS 2006. Leiter: Dr. Michael Kipp
Computer Vision Sandro Castronovo Seminar Intelligent Virtual Characters am DFKI SS 2006 Leiter: Dr. Michael Kipp Übersicht Überblick Was ist Computer Vision Praxisbeispiel1: Effizientes Komprimieren von
MehrUMA mittels MPEG-21. SUN Yunxia (0222059) LU Da (0320300) LI Haitao (0320750) UMA mittels MPEG-21, WAP 2004/2005 1
UMA mittels MPEG-21 SUN Yunxia (0222059) LU Da (0320300) LI Haitao (0320750) UMA mittels MPEG-21, WAP 2004/2005 1 Inhalt Was ist MPEG Was ist MPEG-21 Was ist Digital Item Universal Media Access Applikation
MehrCompiler für Eingebettete Systeme
Compiler für Eingebettete Systeme [CS7506] Sommersemester 2014 Heiko Falk Institut für Eingebettete Systeme/Echtzeitsysteme Ingenieurwissenschaften und Informatik Universität Ulm Kapitel 1 Einordnung &
MehrHDR für Einsteiger Wann brauche ist das? Anregungen aus Fotobuch und ersten eigenen Erfahrungen von Christian Sischka
HDR für Einsteiger Wann brauche ist das? Anregungen aus Fotobuch und ersten eigenen Erfahrungen von Christian Sischka Thema Was ist HDR? Wann ist es sinnvoll es anzuwenden? Wie mache ich ein HDR? Was stelle
MehrAudiovisuelle Archive in der digitalen (Medien-)Welt
Audiovisuelle Archive in der digitalen (Medien-)Welt Teil 2 Herbert Hayduck WS 2007 EXKURS: Grundlagen Digitalisierung Paradigmenwechsel analog digital Physische Objekte werden zu files Digitalisierung
MehrZusammenfassung Graphik - Formate. Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe
Zusammenfassung Graphik - Formate Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe Rastergraphik - BMP, GIF, JPEG, PNG feste Anzahl von Bildpunkten (ppi) Wiedergabe
MehrTrickfilm- Geburtstag
Trickfilm- Geburtstag Zeitliche Dauer: 2-2,5 Stunden Beschreibung/ Ablauf/ Aufbau Auch in dieser Trickfilm- Variante wird im Stop- Motion - Verfahren gearbeitet. Das bedeutet, dass der Film aus einzelnen
MehrDPF Dynamic Partial distance Function
DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image
MehrECDL Europäischer Computer Führerschein. Jan Götzelmann. 1. Ausgabe, Juni 2014 ISBN 978-3-86249-544-3
ECDL Europäischer Computer Führerschein Jan Götzelmann 1. Ausgabe, Juni 2014 Modul Präsentation Advanced (mit Windows 8.1 und PowerPoint 2013) Syllabus 2.0 ISBN 978-3-86249-544-3 ECDLAM6-13-2 3 ECDL -
MehrProzessor (CPU, Central Processing Unit)
G Verklemmungen G Verklemmungen Einordnung: Prozessor (CPU, Central Processing Unit) Hauptspeicher (Memory) Ein-, Ausgabegeräte/ Periphere Geräte (I/O Devices) externe Schnittstellen (Interfaces) Hintergrundspeicher
MehrComputer Vision: AdaBoost. D. Schlesinger () Computer Vision: AdaBoost 1 / 10
Computer Vision: AdaBoost D. Schlesinger () Computer Vision: AdaBoost 1 / 10 Idee Gegeben sei eine Menge schwacher (einfacher, schlechter) Klassifikatoren Man bilde einen guten durch eine geschickte Kombination
MehrFile Carving für Mediendateien. Multimedia Sicherheit, Martin Steinebach
File Carving für Mediendateien Allgemein: File Carving stellt gelöschte Dateien auf einem Filesystem wieder her Anwendungen: Wiederherstellen versehentlich gelöschter Dateien Spurensicherung bei Polizeiarbeit
MehrRekonstruktion 3D-Datensätze
Rekonstruktion 3D-Datensätze Messung von 2D Projektionsdaten von einer 3D Aktivitätsverteilung Bekannt sind: räumliche Anordnung der Detektoren/Projektionsflächen ->Ziel: Bestimmung der 3D-Aktivitätsverteilung
MehrAnimation. Eine Einführung von. Klaus Massanetz Jan 2011. Von: Klaus.Massanetz@gmx.net Download unter:www.massapix.de
Animation Eine Einführung von Klaus Massanetz Jan 2011 Was ist Animation? Animation (von lat. animare, zum Leben erwecken ; animus, Geist, Seele ) 1....ist im engeren Sinne jede Technik, bei der durch
MehrAnimation motorischer Grundfertigkeiten
Projektdokumentation Animation motorischer Grundfertigkeiten Projektleitung: Ist Folgeprojekt von: Ziel: Umsetzung durch: Mag. Dr. Barbara HOTTER Multimediale Lehr- und Lernhilfen im Sport Animierte Bewegungssequenzen
MehrLightroom 6/CC Neuerungen. Stefan Sporrer
Lightroom 6/CC Neuerungen Stefan Sporrer. Neuerungen in Lightroom 6/CC Lightroom CC Lightroom 6 http://www.adobe.com/de/products/photoshop-lightroom/versions.html HDR Berechnung Funktion zur Berechnung
MehrEinführung. in die Videobearbeitung. mit EVE v2 von MainConcept. 2005 Sigrid Bongartz www.edv-bongartz.de
Einführung in die Videobearbeitung mit EVE v2 von MainConcept 2005 Sigrid Bongartz www.edv-bongartz.de Inhaltsverzeichnis 1. Was ist Eve?... 3 2. Systemvoraussetzungen... 3 3. Was Sie bereits kennen sollten...
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrEntwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words
Entwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words André Viergutz 1 Inhalt Einführung. Einordnung der Arbeit in die zugrunde liegenden Konzepte Das Modell der Fields
MehrComputergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal.
11/4/10 lausthal omputergraphik I Scan onversion of Lines. Zachmann lausthal University, ermany zach@tu-clausthal.de Einordnung in die Pipeline Rasterisierung der Objekte in Pixel Ecken-Werte interpolieren
MehrSüdtiroler Kinowerbung (CINEPLEXX Bozen ODEON CINECENTER Bruneck)
(CINEPLEXX Bozen ODEON CINECENTER Bruneck) Beschreibung Cine-Pictures Die Kommunikation über das Produkt Cine-Picture muss wie ein Werbeplakat betrachtet werden; die Information soll vom Betrachter unmittelbar
MehrEvent-basierte Visualisierung zeitabhängiger Datensätze
Fakultät Informatik, Institut für Software- und Multimediatechnik, Professur für Computergrafik zeitabhängiger Datensätze Florian Weidner Dresden, 3. Jun 2013 (Betreut von Dr. Sebastian Grottel) Gliederung
MehrTipp: Bildrahmen erstellen
Tipp: Bildrahmen erstellen (c) 2004 Thomas Stölting, Stand: 9.5. 2005 Das Erstellen von Rahmen scheint für vielen Photoshop-Nutzer ein wichtiges Anliegen zu sein. Auf jeden Fall ist dieser Tipp, der mit
MehrVHS-Kassetten auf DVD
Schnellanleitung VHS-Kassetten auf DVD Achim Wagenknecht DATA BECKER Werbung? Weg damit! 6. Werbung? Weg damit! Was bei VHS-Bändern zu aufwendig war, ist per PC schnell erledigt: Endlich können Sie Ihre
Mehr1 EINLEITUNG 1.1 INHALTSBEZOGENE DATENSUCHE
1 EINLEITUNG Durch die rasante Entwicklung im Bereich der Netzwerk- und Speichertechnologien sind heutzutage große Datenarchive und weit verzweigte Netze zum Alltag geworden. Allen voran steht hier das
MehrFotos bearbeiten mit Microsoft Foto Designer Pro 10
Computer & Medien-Werkstatt Am Sand - Activité parascolaire Fotos bearbeiten mit Microsoft Foto Designer Pro 10 1. Eine Person freistellen: RANDERKENNUNG! Auswahl ganz aufheben: ESC! Auswahl schrittweise
MehrDigitale Bildverarbeitung Einheit 12 3D-Rekonstruktion
Digitale Bildverarbeitung Einheit 12 3D-Rekonstruktion Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einen Eindruck davon
Mehrdie Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering
Farbreduktion die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering zwei Schritte: geeignete Farben (Repäsentanten) finden Farbreduktion alle Bildfarben den Repräsentanten zuordnen
MehrInformatik II Greedy-Algorithmen
7/7/06 lausthal Erinnerung: Dynamische Programmierung Informatik II reedy-algorithmen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Zusammenfassung der grundlegenden Idee: Optimale Sub-Struktur:
MehrDie treffende Auswahl anbieten: Im Internet (Referat 3a)
www.zeix.com Die treffende Auswahl anbieten: Im Internet (Referat 3a) Fachtagung: Suchfunktionen im Web Zürich, 26. Oktober 2006 Jürg Stuker, namics Gregor Urech, Zeix Bern, Frankfurt, Hamburg, München,
MehrObjekterkennung mit OpenCV
Roland Schellhorn Objekterkennung mit OpenCV 103 - Recent Advances in Multimedia Processing Abstract Die Analyse unterschiedlicher Objekterkennungsmethoden der Open Source Library OpenCV wird anhand eines
MehrDIGITALE VIDEO KOMPRESSION AM BEISPIEL DES JPEG-VERFAHRENS
1 DIGITALE VIDEO KOMPRESSION AM BEISPIEL DES JPEG-VERFAHRENS Um das digitale Schneiden von digitalisierten Bildern zu ermöglichen, ist es notwendig, die drastisch hohe Datenmenge, die für jedes Bild gespeichert
MehrInhalt. Seite 4... Am Anfang: Fotos, Fotos, Fotos-Referenzmaterial. Seite 4... Modellieren, texturieren und beleuchten
Inhalt Seite 3... Die Idee Seite 4... Am Anfang: Fotos, Fotos, Fotos-Referenzmaterial Seite 4... Modellieren, texturieren und beleuchten Seite 7... Renderelemente: Wie die Bilder aufgebaut sind Seite 9...
MehrTerminologie zwischen normativer Referenz und deskriptiver Dokumentation. Dr. Birte Lönneker-Rodman, Across Systems GmbH
Terminologie zwischen normativer Referenz und deskriptiver Dokumentation Dr. Birte Lönneker-Rodman, Across Systems GmbH Überblick Normative Referenzterminologie - Beispiele - Unterstützende Funktionen
MehrWeb Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion
Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische
MehrProduktentwicklung damit sollten Sie rechnen
Produktentwicklung damit sollten Sie rechnen 0. Zusammenfassung Wer Produktentwicklung betreiben will, muss in erster Linie sehr viel lesen: Dokumente aus unterschiedlichsten Quellen und in vielen Formaten.
MehrDas große Buch Photoshop CS3 & Lightroom Stefan Gross Pavel Kaplun
Das große Buch Photoshop CS3 & Lightroom Stefan Gross Pavel Kaplun DATA BECKER 7.1 Ebenenfüllmethoden Die Ebenenfüllmethoden erlauben Kombinationen mit Ebenen unter Einbeziehung verschiedener Verschmelzungsmethoden.
MehrWas ist ein Compiler?
Was ist ein Compiler? Was ist ein Compiler und worum geht es? Wie ist ein Compiler aufgebaut? Warum beschäftigen wir uns mit Compilerbau? Wie ist die Veranstaltung organisiert? Was interessiert Sie besonders?
MehrMessdaten auswerten und visualisieren 5 Tipps, die passende Darstellungstechnik für ein Messsystem zu finden
Messdaten auswerten und visualisieren 5 Tipps, die passende Darstellungstechnik für ein Messsystem zu finden 27.05.13 Autor / Redakteur: Nach Unterlagen von National Instruments / Hendrik Härter Messdaten
MehrBildverarbeitung in der Qualitätskontrolle. Sebastian Zambal LEADING INNOVATIONS
Bildverarbeitung in der Qualitätskontrolle Sebastian Zambal LEADING INNOVATIONS Überblick Profactor Grundlagen Bildverarbeitung HW, SW, Methoden Inspektion Gussteilen Inspektion CFK, GFK Projekte EMVA-Studie:
MehrSeminar Komplexe Objekte in Datenbanken
Seminar Komplexe Objekte in Datenbanken OPTICS: Ordering Points To Identify the Clustering Structure Lehrstuhl für Informatik IX - Univ.-Prof. Dr. Thomas Seidl, RWTH-Aachen http://www-i9.informatik.rwth-aachen.de
MehrVideo Line Array Highest Resolution CCTV
Schille Informationssysteme GmbH Video Line Array Highest Resolution CCTV SiDOC20120817-001 Disadvantages of high resolution cameras High costs Low frame rates Failure results in large surveillance gaps
MehrÜbungen zur Vorlesung Einführung in die Informatik Wintersemester 2010/11
Übungen zur Vorlesung Einführung in die Informatik Wintersemester 2010/11 Fakultät für Informatik Lehrstuhl 1 Dr. Lars Hildebrand Carla Delgado-Battenfeld Fatih Gedikli Tobias Marschall Benjamin Schowe
Mehr