Wyniki 1-1 spośród 1 dla zapytania: authorDesc:"Przemysław Buczkowski"

KONWOLUCYJNE SIECI GŁĘBOKIE W PROGRAMIE NAUCZANIA TECHNIK MULTIMEDIALNYCH W ZAKŁADZIE TELEWIZJI POLITECHNIKI WARSZAWSKIEJ DOI:10.15199/59.2017.6.43


  Techniki multimedialne od ponad 20 lat stały się nieodzownym elementem aplikacji projektowanych w systemach wytwarzania, gromadzenia i przesyłu sygnałów cyfrowych. To co leży w obszarze zainteresowań Instytutu Radioelektroniki i Technik Multimedialnych, z punktu widzenia badań naukowych i edukacji można scharakteryzować skrótem CREAMS, analizowanym w kontekście możliwych aplikacji tworzonych między innymi na telewizyjnych platformach cyfrowych: 1. Compression: kompresja obrazu i dźwięku. 2. Recognition: rozpoznawanie obiektów multimedialnych (MM) na potrzeby HCI (human computer interfaces). 3. Embedding: zanurzanie obiektów MM w innych obiektach MM na potrzeby podpisu wodnego i tajnej komunikacji. 4. Annotation: indeksowanie obiektów MM w celu ich inteligentnego wyszukiwania. 5. Modelling 3D: modelowanie 3D na bieżąco, na potrzeby HCI. 6. Security: szyfrowanie i podpis cyfrowy obiektu MM na potrzeby bezpiecznej archiwizacji i komunikacji. Zauważmy, że tak sformułowane zagadnienia nie odnoszą się wprost do aktualnej technologii i narzędzi, które są lub potencjalnie mogą być wykorzystywane do ich rozwiązywania Niektóre z zagadnień CREAMS takie jak kompresja, czy bezpieczeństwo danych były i są przedmiotem intensywnych prac normalizacyjnych i doczekały się szeregu popularnych norm technicznych. Wszędzie tam, gdzie potrzebna jest wygodna wymiana informacji multimedialnej powstały efektywne formaty danych. Na większe zainteresowanie gremiów normalizacyjnych oczekują znaki wodne i steganografia cyfrowa. Inne zagadnienia jak rozpoznawanie, indeksowania (adnotacja) i modelowanie 3D na potrzeby interfejsu człowiekmaszyna, pomimo licznych prób (np. MPEG-7) są mniej podatne na zabiegi normalizacyjne. Z roku na rok rośnie znacząco liczba doniesień naukowych o kolejnych sukcesach technik konwolucyjnych sieci neuronowych (CNN) w zagadnieniach CREAMS. Proponowane rozwiązania "neuronowe" coraz częściej przewyższają najlepsze dotą[...]

 Strona 1