Leveraging large scale data for video retrieval

Günümüzde kullanımı büyük oranda artan video verileri araştırmacıları bu verilerden elde edilebilecek ipuçlarını kullanmaya yöneltmiştir. Çünkü yazısal ipuçlarının günümüzde görsel ipuçları kadar başarılı sonuçlar veremediği gözlemlenmiştir. Bu soruna büyük ölçekli resim ve video verilerini çıkarımız için kullanarak, videolardaki önemli karakteristik bilgileri bularak yaklaşıyoruz. Bu tezde üç farklı konuya odaklanılmaktadır. Bunlari olağan dışı olaylardaki ortak motifleri bulmak, geniş ölçekli multimedya olay tespit edilmesi ve videoların anlamsal dizinlenmesi olarak isimlendirebiliriz. İstenmeyen olayların gerçekleşmesinin bildiricisi olduğu için, olağan dışı olaylarin erken tespit edilmesi gerekli görülmektedir. Bu konuya genellikle sıradan olayların motiflerinin bulunması ile yaklaşılmaktadır. Elimizdeki bu zorlu problemi çözümlemek için videolardaki hızlı hareketleri yakalayabilen orijinal bir tanımlayıcı, piksel yörüngelerinden yoğun aralıklar ile çıkartılarak sunulmaktadır. Sunulan tanımlayıcı, yörünge parça seleleri, olağan dışı videoları sıradan videolardan ayırt etmek için kullanılmaktadır. Daha sonra olağan dışı olarak belirlenen videoların fotoğraf kareleri ile gösterimi için diğer bir yöntem kullanılmaktadır. Daha sonra TRECVID video erişim değerlendirmesinin bir parçası olan Multimedya Olay Tespiti olarak adlandırılan problemi ele almaktayız. Bu probleme videoları prototipler ile temsil ederek yaklaşmaktayız. Prototipler olayların farklı görsel karakteristik özelliklerini temsil eden modellerdir. Son olarak, TRECVID'in bir diğer parçası olan Anlamsal Dizinleme problemine, İnternet'den topladığımız resimleri kavramları modellemek için kullanarak yaklaşmaktayız.