基于深度学习的监控视频中的异常事件检测和对象识别_鲍天龙.caj

ANITA气球实验观察到了两个EeV能量，持续不断的事件起源于地平线以下。令人费解的是，（i）预计在这种能量和入射角下，没有标准模型（SM）粒子能够通过地球幸存，并且（ii）IceCube没有报道过此

在给出一段视频文件以及这个视频文件的字幕和剧本之后，可以自动的对视频中的人物进行检测和识别

半监督学习是一种重要的机器学习方法,能同时使用有标记样本和无标记样本进行学习。在webshell检测领域,有标记样本少、形式灵活多变、易混淆,基于特征匹配的方式很难进行准确检测。针对标记样本较少的现状

神经网络是一种模拟生物学神经的机器学习模型,数据来源于输入层并流经具有各种激活阈值的节点。 递归神经网络是一种在输入被理解之前保持其内部记忆的神经网络,所以它们可以进行数据流中时间依赖的结构的学习。

每分钟都要海量的视频通过互联网共享出去，著名视频分享网站youtube每分钟上传视频的总时长达100+小时，所以很有必要对这些视频分类检索方便用户选择兴趣内容以应对多媒体信息大爆炸。并且合理的分析理解

针对智能交通系统中的实时车型识别和车流量统计,提出了一种有效的车流量检测和车型识别算法。首先根据机动车道在视频图像中设置虚拟线圈作为检测区域,运用背景差分提取前景目标,并采用基于颜色和纹理的阴影检测方

视频监控中可变人体行为的识别,视频监控方面的论文

在使用支持向量机分类技术的异常检测系统中, 提出控制查全率和查准率的方法. 该方法采用遗传算法优 化特征选择和训练模型, 其中染色体由特征选择和训练模型组成, 适应度是用NA2est imate 方法

人脸识别依赖于深度学习，识别率高达99.15%，值得学习。

深度学习的行人检测。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。