1,720,990 research outputs found
Flexible Content Extraction and Querying for Videos
No full textKoyuncu, Murat/0000-0003-1958-5945; YAZICI, Adnan/0000-0001-9404-9494; SERT, Mustafa/0000-0002-7056-4245In this study, a multimedia database system which includes a semantic content extractor, a high-dimensional index structure and an intelligent fuzzy object-oriented database component is proposed. The proposed system is realized by following a component-oriented approach. It supports different flexible query capabilities for the requirements of video users, which is the main focus of this paper. The query performance of the system (including automatic semantic content extraction) is tested and analyzed in terms of speed and accuracy.TUBITAK EEEAG [109E014]This work is supported in part by a research grant from TUBITAK EEEAG with grant number 109E014.Conference Proceedings Citation Index - Scienc
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Düzenleyici DNA motiflerinin tahmini
Get PDFGen ifadelerini düzenleyen mekanizmaların anlaşılması, moleküler biyolojideki
önemli araştırma konularından birisidir. Bu konudaki önemli problemlerden birisi,
transkripsiyon (yazım) faktörleri için Deoksiribonükleik Asit’te (DNA) bulunan
bağlanma konumları gibi düzenleyici elemanları (motifleri) tanıma işlemidir. Son
yıllarda bu amaç doğrultusunda birçok araç tasarlanmıştır. Önerilen bu araçlara
rağmen DNA motiflerinin tahmini hala anlaşılmayan bir konu olarak kalmaya
devam etmektedir. Bu çalışmada, Olasılıksal Sonek Ağacı (OSA) kullanılarak yeni
bir motif tahmin yöntemi önerilmiştir. Deneysel sonuçlar başka motif bulma araçları
ile karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar, önerilen
yöntemin fare ve insan canlılarına ait motiflerde karşılaştırılan diğer yöntemlerden
daha iyi sonuçlar verdiğini göstermiştir.
A major study in molecular biology is to understand the mechanisms that regulate
the expressions of genes. An important challenge in this study is to identify
regulatory elements (motifs), notably the binding sites in deocsiribonucleic acid
(DNA) for transcription factors. Over the past few years, numerous tools have
become available for this task. Despite the large number of these proposed tools,
the prediction of DNA motifs still remains as a complex challenge. In this study, a
novel motif prediction method using Probabilistic Suffix Tree (PST) is proposed.
Experimental results are evaluated comparatively with other motif prediction tools.
Experimental results show that, the proposed method gives a better recognition
rate than the compared motif prediction tools for human and mouse genomes
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
Sayısal video ve çizim verilerinde anlamsal kavramsal tanıma
No full textGünümüzde çoğul ortam aracı olan video verileri günlük hayatımızda önemli bir rol oynamakta ve eğitim, iletişim, sağlık, eğlence alanlarında oldukça yaygın olarak kullanılmaktadırlar. Günlük yaşantıda, anlık paylaşımların çoğalması, video veri kullanımını büyük ölçüde artırmıştır. Sonuç olarak, bu verilerin yönetimi, sınıflandırılması, sezimi ve geri getirim yöntemlerine ihtiyaç duyulmaktadır. Bu gibi işlevleri mümkün kılmak için atılması gereken en önemli adım, bu verilerin anlamsal kavramlarını tahmin etmek ve anlamaktır. Video anlamsal kavram sezimi, son yıllarda çoklu ortam endüstrisi tarafından önemli bir araştırma problemi olarak görülmektedir. Sınıflandırma, kavram sezimi için kullanılan en kabul gören yöntem olup, sınıflandırma sisteminin çıktısı anlamsal kavramlar olarak yorumlanmaktadır. Bu kavramlar otomatik dizinleme, video nesnelerinin aranması ve geri getirim (retrieval) için kullanılabilmektedir. Bununla birlikte, kullanılan özniteliklerin boyutları yüksek olup, mevcut sınıflandırıcılarla kavram tespiti yüksek hesaplama karmaşıklığına maruz kalmaktadır. Bu tez çalışmasında, derin evrişimsel sinir ağ (Convolutional Neural Network) modelleri üzerinde, öznitelik etkinliğini artırmak amacıyla öznitelik seçimi ve veri kaynaştırma tekniklerine dayalı video içeriklerinden kavram sezim yöntemleri önerilmektedir. Eğitim maliyetini azaltmak amacıyla Temel Bileşen Analizi (PCA-Principal Component Analysis) tekniği öznitelik düzeyinde probleme uygulanmıştır. Farklı derin evrişimsel sinir ağlarından elde edilen kaynaşmış öznitelik vektörlerinin sınıflandırılmasında Destek Vektör Makineleri (SVMs-Support Vector Machines) kullanılmıştır. Video kavram sezimi için önerilen yöntemde geçmiş çalışmalarda tercih edilen TRECVID 2013 SIN video veri kümesi (38 kavram) kullanılmıştır. Geliştirilen sınıflandırma yönteminin etkinliğini değerlendirmek amacıyla, önerilen video kavram sınıflandırma yöntemi çizim tanıma problemine de uygulanmıştır. Elde edilen sonuçlara göre, öznitelik seviyesinde veri kaynaşım tanıma başarımlarını artırmıştır.
Nowadays, video data, which is a multimedia tool, plays an important role in our life and being used commonly in the fields of education, communication, health and history. Furthermore, the proliferation of instant sharing has greatly increased the use of video data in daily life. As a result, there is a need for new techniques in the field of computer vision for the management, classification, detection and retrieval of these data. The most important step to make such functions possible is to estimate and understand the semantic concepts of these data. In recent years, video concept detection has been seen as an important research problem by the multimedia industry. Classification is the most accepted method for concept detection and the outputs of the classification system are interpreted as semantic concepts. These concepts can be used for automatic indexing, search and retrieval of video objects. However, the dimensions of the features used are high and the concept detection with existing classifiers is subject to high computational complexity. In this thesis study; video concept detection based on feature selection and data fusion techniques are proposed in order to enhance the feature effectiveness on the Convolutional Neural Network models for video contents. In order to reduce the cost of training, Principal Component Analysis (PCA) technique is applied at the feature level. Support Vector Machines (SVMs) were used to classify fused feature vectors obtained from different deep convolution neural networks. TRECVID 2013 SIN video data set (38 concepts), which is preferred in past studies, is used in the proposed method for video concept detection. Proposed method for video concept detection is also applied to sketch recognition problem in order to measure the effectiveness of the developed classification method. According to the results obtained, these systems which proposed the data fusion method at the feature level, increased the recognition success
Çok kipli video kavram sınıflandırılması
No full textÇokluortam verileri, İnternet kullanımının artmasıyla, sürekli üretilmekte ve
paylaşılmaktadır. Bunun bir sonucu olarak, çokluortam verilerinin büyüklüğü hızla
artmakta ve bu verilerin içeriklerini analiz eden otomatik yöntemlere ihtiyaç
duyulmaktadır. Video verisi, çokluortam verilerinin önemli bir bileşenidir. Video
içerik analizi, video verisi içeriğindeki zamansal veya konumsal olayların ve
kavramların otomatik yöntemlerle belirlenmesi olarak tanımlanabilen önemli bir
araştırma konusudur. Video içerik analizi, video içeriğinin karmaşık yapısı
nedeniyle zor bir görevdir ve içerdiği bilgilerin otomatik olarak elde edilebilmesi için
etkin yöntemlere ihtiyaç duyulmaktadır. Video verisinin artan büyüklüğü bu görevi
zorlaştırmaktadır. Bu tez çalışmasında, video verilerinin çok kipli analizi için, görsel
ve işitsel kiplerin füzyonuna dayalı bir yöntem önerilmektedir ve büyük veri
platformunda uygulaması gerçekleştirilmektedir. Önerilen yöntem, Evrişimsel Sinir
Ağı (ESA) öznitelikleri ile Mel-frekansı Kepstrum Katsayıları (MFCC) özniteliğinin
temsillerinin füzyonuna dayanmaktadır. Büyük veri platformlarından Apache Spark
kullanılarak önerilen yöntem gerçeklenmektedir. Önerilen yöntemin başarısı
TRECVID 2012 SIN veri kümesi üzerinde değerlendirilmektedir. Sonuçlar
göstermektedir ki, çok kipli yaklaşım tek kipli yaklaşımın başarısını geliştirmekte ve
büyük veri platformu, çok kipli video içerik analizi yönteminin işlem zamanını
önemli oranda düşürmektedir.
The multimedia data has been continuously produced and shared out at a high
rate as a result of the internet usage escalation. Thus, the size of multimedia data
has rapidly increased, and hence, automated methods are needed to analyze the
contents of the data produced. Video data is an important component of
multimedia data. Video content analysis is an important research topic for several
applications, such as audio-video based surveillance, content-based search and
retrieval and can be defined as the automatic determination of temporal or spatial
events/concepts in content of video data. Video content analysis is a difficult task
due to the complex nature of the video content and requires efficient algorithms for
extraction of high-level information included in the content. The increasing size of
video data makes this task more difficult. In this thesis, a method based on the
fusion of audio-visual modalities for multimodal content analysis of video data is
proposed and implemented on a big data platform. The proposed method is based
on the fusion of representations of Mel-frequency Cepstral Coefficient (MFCC)
features with Convolutional Neural Network (CNN) features. The proposed method
is implemented on Apache Spark big data platform. The success of the proposed
method is evaluated on the TRECVID 2012 SIN data set. Our results show that the
multi-modal method improves the accuracy of the single-model approach and also
the big data platform significantly reduces the computation time of the multi-modal
video content analysis method
- …
