この規格 プレビューページの目次
※一部、英文及び仏文を自動翻訳した日本語訳を使用しています。
3 用語と定義
この文書の目的上、次の用語と定義が適用されます。
ISO と IEC は、標準化に使用する用語データベースを次のアドレスで維持しています。
3.1
画像記述子
入力ビデオ (3.8) からサンプリングされた単一の キー フレーム (3.6) から抽出された記述子。これには 、グローバル記述子 (3.2) 、ローカル特徴記述子 (3.3) および ディープ特徴記述子 (3.4) が含まれます。
注記 1:画像記述子は、第 6 項の説明に従ってエンコードされます。
3.2
グローバル記述子
局所特徴記述子を 画像のコンパクトな表現に集約 (3.5)
注記 1:集計は 6.1.2 項で説明されているとおりです。
3.3
局所特徴記述子
関心点の周囲で抽出された局所領域の記述子 (透視変換、画像スケールの変化、照明の変化など、画像領域の局所的および全体的な摂動下での検出の安定性を示す 画像 (3.5) 内の点)
注記 1:抽出は 6.1.3 項で説明されているとおりです。
3.4
深い特徴記述子
トレーニングされた畳み込みニューラル ネットワークの層から抽出された特徴記述子
注記 1:抽出は 6.1.4 項に記載されているとおりです。
3.5
画像
キー フレーム (3.6) を 画像記述子 (3.1) エンコーダに入力します。
注記 1:画像は第 6 項に記載されているとおりです。
3.6
キーフレーム
入力ビデオセグメント(3.7) からカラーヒストグラムのフレーム差分処理により抽出されたフレーム
注記 1:抽出は 6.2 項で説明されているとおりです。
3.7
入力ビデオセグメント
ビデオの時間範囲 (時間セグメント) であり、そこから記述子が抽出されます。
3.8
入力ビデオ
CDVA 抽出プロセスまでの多数の 入力ビデオ セグメント (3.7) を含むシステムによって処理される画像シーケンス
注記 1:入力ビデオは第 6 項に記載されているとおりです。
3.9
セグメント記述子
入力ビデオセグメント (3.7) のサンプリングされた キーフレーム (3.6) から抽出された記述子
注記 1:セグメント記述子は、第 6 項で説明されているように符号化されます。セグメント記述子は、入力ビデオセグメントのサンプリングされたキーフレームの 画像記述子 (3.1) から構築されます。
3.10
代表フレーム
非圧縮記述子が表現され、差分エンコーディングの基礎として使用される 入力ビデオ セグメント (3.7) のフレーム
3.11
ピクセル
元の画像または変換された画像の整数グリッド上のインデックス可能な要素。空間座標、輝度値、および (オプションの) クロミナンス値で構成されます。
参考文献
| 1 | Langdon GG, 「マルチメディア アプリケーションのための適応バイナリ算術コーディング」 、Compcon Spring, 論文ダイジェスト、サンフランシスコ、カリフォルニア州、米国、1991 年、354 ～ 357 ページ、DOI: 10.1109/CMPCON.1991.128833 |
| 2 | Simonyan K.、Zisserman A.、大規模な画像認識のための非常に深い畳み込みネットワーク。 arXiv:1409.1556, 2014 |
3 Terms and definitions
For the purposes of this document, the following terms and definitions apply.
ISO and IEC maintain terminological databases for use in standardization at the following addresses:
3.1
image descriptor
descriptor extracted from a single key frame (3.6) sampled from the input video (3.8) , which contains global descriptor (3.2) , local feature descriptor (3.3) and deep feature descriptor (3.4)
Note 1 to entry: Image descriptors are encoded as described in Clause 6.
3.2
global descriptor
aggregation of local feature descriptors into a compact representation of the image (3.5)
Note 1 to entry: The aggregation is as described in subclause 6.1.2.
3.3
local feature descriptor
descriptor of a local region, extracted around an interest point (a point in an image (3.5) showing detection stability under local and global perturbations in the image domain, including perspective transformations, changes in image scale, and illumination variations)
Note 1 to entry: The extraction is as described in subclause 6.1.3.
3.4
deep feature descriptor
feature descriptor extracted from a layer of a trained convolutional neural network
Note 1 to entry: The extraction is as described in subclause 6.1.4.
3.5
image
input key frame (3.6) to the image descriptor (3.1) encoder
Note 1 to entry: The image is as described in Clause 6.
3.6
key frame
frame extracted from the input video segment (3.7) by the frame difference process of colour histogram
Note 1 to entry: The extraction is as described in subclause 6.2.
3.7
input video segment
time range (temporal segment) of a video and from which a descriptor is extracted
3.8
input video
image sequence to be processed by the system containing a number of input video segment(s) (3.7) to CDVA extraction process
Note 1 to entry: Input video is as described in Clause 6.
3.9
segment descriptor
descriptor extracted from the sampled key frames (3.6) of an input video segment (3.7)
Note 1 to entry: Segment descriptors are encoded as described in Clause 6. They are contructed from the image descriptors (3.1) of the sampled key frames of the input video segment.
3.10
representative frame
frame of an input video segment (3.7) for which an uncompressed descriptor is represented and which is used as the basis for differential encoding
3.11
pixel
indexable element on an integer grid of the original image or the converted image, comprising spatial coordinates, a luminance value and (optional) chrominance values
Bibliography
| 1 | Langdon G. G., Adaptive binary arithmetic coding for multi-media applications, Compcon Spring, Digest of Papers, San Francisco, CA, USA, 1991, pp. 354-357, DOI: 10.1109/CMPCON.1991.128833 |
| 2 | Simonyan K., Zisserman A., Very deep convolutional networks for large-scale image recognition. arXiv:1409.1556, 2014 |