कार्टून का पता लगाना: स्वचालित वीडियो-श्रेणी वर्गीकरण में एक केस स्टडी

यह पेपर व्यक्तिगत वीडियो फ्रेम को 'कार्टून' या 'फोटोग्राफिक इमेज' के रूप में वर्गीकृत करने के लिए एक नए दृष्टिकोण को प्रस्तुत करता है। यह कार्य TREC-2002 वीडियो पुनर्प्राप्ति बेंचमार्क में किए गए प्रयोगों से उत्पन्न हुआ: 'कार्टून' अप्रत्याशित रूप से उच्च रैंक पर लौटाए जाते हैं, भले ही क्वेरी ने केवल 'फोटोग्राफिक' इमेज उदाहरण दिए हों। इन दोनों शैलियों के बीच अंतर करना कठिन साबित हुआ है क्योंकि उनके पास वर्ग के भीतर का बड़ा परिवर्तन होता है। पूर्व कार्टून-वर्गीकरण कार्य में उपयोग की गई छवि मैट्रिक्स के अतिरिक्त, हम नवीन मेट्रिक्स को पेश करते हैं जैसे कि पैराबोलिक ग्रानुलोमेट्रियों से व्युत्पन्न पैराबोलिक आकार वितरण के पैटर्न स्पेक्ट्रम पर आधारित और छवि संकेत की जटिलता जो इसके संपीड़न अनुपात द्वारा अनुमानित है। हम TREC-2002 वीडियो ट्रैक संग्रह से मुख्य फ्रेम के एक बड़े सेट और एक सेट वेब इमेज पर वर्गीकरण के लिए प्रस्तावित विशेषता सेट के प्रभावशीलता का मूल्यांकन करते हैं (सपोर्ट वектор मशीन का उपयोग करते हुए)। यह पेपर प्रशिक्षण सेट के रूप में उपयोग की गई छवियों की संख्या के खिलाफ पहचान त्रुटि दरों की रिपोर्ट करता है। प्रणाली की तुलना एक ऐसी प्रणाली से की जाती है जो वेब छवियों को चित्रों या ग्राफिक्स के रूप में वर्गीकृत करती है और इसकी श्रेष्ठ प्रदर्शन स्पष्ट है।