Key points are not available for this paper at this time.
تُحقق الشبكات العصبية التلافيفية العميقة (CNNs) دقة مذهلة في العديد من مهام رؤية الكمبيوتر. ولكن استخدام هذه الشبكات لتطبيقات مراقبة الفيديو يتطلب تكاليف حسابية عالية وزمن استدلال متأخر. لذلك، درست الأعمال الحديثة كيفية تحسين كفاءة النظام، لكنها تركز في الغالب على مفردات التنبؤ الصغيرة "المغلقة" رغم أن العديد من التطبيقات في مجال الأمن والمراقبة، وتحليلات المرور، إلخ، تحتوي على مجموعة متزايدة من الكيانات المستهدفة. نحن نسمي هذه المشكلة "مشكلة المفردات غير المحدودة"، وهي عنق زجاجة رئيسي لتطبيقات مراقبة الفيديو الناشئة. نقدم أول نظام بيانات للتعامل مع هذه المشكلة في استعلامات الفيديو، بانوراما. فلسفتنا في التصميم هي بناء نظام موحد وغير مرتبط بمجال معين يتيح لمستخدمي التطبيقات التعميم إلى مفردات غير محدودة بطريقة بسيطة دون إعادة تدريب يدوي ممل. ولهذا الغرض، نبتكر ونصنع مجموعة من التقنيات من الأدبيات المتعلقة بالتعلم الآلي، والرؤية، وقواعد البيانات، وأنظمة الوسائط المتعددة لوضع تصميم معماري جديد للنظام. كما نقدم تقنيات لضمان أن يكون لدى بانوراما كفاءة استدلال عالية. تظهر التجارب مع عدة مجموعات بيانات من العالم الحقيقي أن بانوراما يمكن أن تحقق كفاءة أعلى تتراوح بين 2x إلى 20x مقارنة بالنهج الأساسية في استعلامات المفردات، بينما لا تزال تحقق دقة قابلة للمقارنة وتعميم جيد أيضًا على المفردات غير المحدودة.
درس زانغ وآخرون (Mon,) هذا السؤال.