Content-based audio classification and retrieval for audiovisual data parsing

طبقه بندی و بازیابی صوتی مبتنی بر محتوا برای داده های سمعی و بصریتجزیه یک مرور کلی به روز از تجزیه و تحلیل محتوای صوتی و تصویری است. شامل درمان گسترده ای از تقسیم بندی داده های سمعی و بصری، نمایه سازی و بازیابی بر اساس تجزیه و تحلیل محتوای رسانه چندوجهی، و مدیریت مبتنی بر محتوا داده های صوتی است. علاوه بر انواع صوتی رایج مورد مطالعه مانند گفتار و موسیقی، نویسندگان انواع ترکیبی از صداها را شامل بیش از یک نوع جزء صوتی مانند گفتار یا صدای محیطی با موسیقی در پس‌زمینه هستند. همچنین بر شناسایی و طبقه بندی صداهای محیطی در سطح معنایی تأکید شده است. نویسندگان یک سیستم بازیابی صوتی عمومی جدید را در بالای طرح‌های آرشیو صدا معرفی می‌کنند. هم تحلیل نظری و هم مسائل اجرایی ارائه شده است. استانداردهای MPEG-7 در حال توسعه بررسی می شوند.
طبقه بندی و بازیابی صوتی مبتنی بر محتوا برای داده های سمعی و بصریتجزیه به ویژه برای محققان و دانشجویان مقطع تحصیلات تکمیلی که در حال طراحی و توسعه سیستم های سمعی و بصری کاملاً کاربردی برای صوتی/تصویری هستند مفید خواهد بود. تجزیه محتوای جریان های چندرسانه ای.

Content-Based Audio Classification and Retrieval for Audiovisual DataParsing is an up-to-date overview of audio and video content analysis. Included is extensive treatment of audiovisual data segmentation, indexing and retrieval based on multimodal media content analysis, and content-based management of audio data. In addition to the commonly studied audio types such as speech and music, the authors have included hybrid types of sounds that contain more than one kind of audio component such as speech or environmental sound with music in the background. Emphasis is also placed on semantic-level identification and classification of environmental sounds. The authors introduce a new generic audio retrieval system on top of the audio archiving schemes. Both theoretical analysis and implementation issues are presented. The developing MPEG-7 standards are explored.
Content-Based Audio Classification and Retrieval for Audiovisual DataParsing will be especially useful to researchers and graduate level students designing and developing fully functional audiovisual systems for audio/video content parsing of multimedia streams.