ویدا صفردولایی - دانشجوی دکتری تخصصی، گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
کامبیز رهبر - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه اسلامی، تهران، ایران

روش های رایج بازیابی ویدئو از ویژگی های کلی فریم ها برای مقایسه و بازیابی ویدئوهایمشابه استفاده می کنند. استفاده از ویژگی ها و اطلاعات کلی فریم ها ممکن است موجب از دسترفتن درون مایه و موضوع اصلی ویدئوها شود. به عبارت دیکر پیش زمینه های مشابه در فریم-های ویدئو به بازیابی ویدئوهایی با پیش زمینه مشابه و درون مایه های متفاوت منجر می شود. ازاین رو در پژوهش پیش رو نقش شیء مورد علاقه در ویدئو مورد بررسی قرارگرفته است.استخراج ویژگی از فریم ها با استفاده از شبکه عصبی VGG-۱۶ انجام شده است. همچنین یکمعیار رتبه بندی بر اساس شباهت فریم هاء توالی فریم های مشابه و تعداد فریم های مشابه باویدئو مورد جستجو معرفی شده است. کارایی روش پیشنهادی بر روی مجموعه داده یوتیوباکشن با معیار میانگین دقت بررسی شده است. نتایج به دست آمده دقت ۹۰.۹۴% را دربازیابی ده نمونه برتر نشان می دهد.

بازیابی ویدئو، بازیابی ویدئو مبتنی بر محتوا، تشخیص شی، شبکه عصبی VGG