論文の概要: Video traffic identification with novel feature extraction and selection
method
- arxiv url: http://arxiv.org/abs/2303.03949v1
- Date: Mon, 6 Mar 2023 14:26:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 14:54:39.154331
- Title: Video traffic identification with novel feature extraction and selection
method
- Title（参考訳）: 新しい特徴抽出・選択手法による映像トラフィックの識別
- Authors: Licheng Zhang, Shuaili Liu, Qingsheng Yang, Zhongfeng Qu, Lizhi Peng
- Abstract要約: 本研究では,ビデオトラフィックを識別する大規模機能セットを構築するために,映像関連特徴抽出を提案する。
第2に,映像トラフィック識別のコストを削減し,有効な特徴サブセットを選択するために,適応分布距離に基づく特徴選択法を提案する。
実験結果から,提案手法は,映像映像のトラフィックとクラウドゲーム映像のトラフィックの識別において高い識別性能を実現することが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 1.7709344190822938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the rapid rise of video applications has led to an explosion
of Internet video traffic, thereby posing severe challenges to network
management. Therefore, effectively identifying and managing video traffic has
become an urgent problem to be solved. However, the existing video traffic
feature extraction methods mainly target at the traditional packet and flow
level features, and the video traffic identification accuracy is low.
Additionally, the issue of high data dimension often exists in video traffic
identification, requiring an effective approach to select the most relevant
features to complete the identification task. Although numerous studies have
used feature selection to achieve improved identification performance, no
feature selection research has focused on measuring feature distributions that
do not overlap or have a small overlap. First, this study proposes to extract
video-related features to construct a large-scale feature set to identify video
traffic. Second, to reduce the cost of video traffic identification and select
an effective feature subset, the current research proposes an adaptive
distribution distance-based feature selection (ADDFS) method, which uses
Wasserstein distance to measure the distance between feature distributions. To
test the effectiveness of the proposal, we collected a set of video traffic
from different platforms in a campus network environment and conducted a set of
experiments using these data sets. Experimental results suggest that the
proposed method can achieve high identification performance for video scene
traffic and cloud game video traffic identification. Lastly, a comparison of
ADDFS with other feature selection methods shows that ADDFS is a practical
feature selection technique not only for video traffic identification, but also
for general classification tasks.
- Abstract（参考訳）: 近年、ビデオアプリケーションが急速に普及し、インターネットビデオのトラフィックが急増し、ネットワーク管理に深刻な課題が生じた。
そのため,ビデオトラフィックの効果的同定と管理が緊急課題となっている。
しかし,既存の映像トラフィック特徴抽出手法は主に従来のパケット・フローレベルの特徴を対象としており,映像トラフィックの識別精度は低い。
さらに、高データ次元の問題はしばしばビデオトラフィックの識別に存在し、識別タスクを完了するために最も関連する特徴を選択する効果的なアプローチが必要となる。
識別性能の向上に特徴選択を用いた研究は数多くあるが, 重複しない, 重複が少ない特徴分布の計測に注目する特徴選択研究は行われていない。
まず,ビデオトラフィックを識別する大規模機能セットを構築するために,映像関連特徴抽出を提案する。
第2に,映像トラフィック識別のコストを低減し,有効な特徴部分集合を選択するために,ワッサーシュタイン距離を用いて特徴分布間の距離を測定する適応分布距離に基づく特徴選択法を提案する。
提案手法の有効性を検証するため,キャンパスネットワーク環境における異なるプラットフォームからの動画トラフィックを収集し,これらのデータセットを用いて実験を行った。
実験の結果,提案手法は,映像シーントラフィックとクラウドゲームビデオトラフィック識別において高い識別性能を達成できることが示唆された。
最後に、ADDFSと他の特徴選択法との比較により、ADDFSはビデオトラフィック識別だけでなく、一般的な分類タスクにも実用的な特徴選択技術であることを示す。
関連論文リスト
- When language and vision meet road safety: leveraging multimodal large language models for video-based traffic accident analysis [6.213279061986497]
SeeUnsafeは、ビデオベースの交通事故分析を、よりインタラクティブで対話的なアプローチに変換するフレームワークである。
本フレームワークでは,様々な長さの動画をマルチモーダル・アグリゲーション・ストラテジーで処理し,レビューと評価のために構造化された応答を生成する。
本研究では,トヨタウーブン交通安全データセットについて広範な実験を行い,SeeUnsafeが事故対応ビデオ分類と視覚的グラウンド化を効果的に実施できることを実証した。
論文 参考訳（メタデータ） (2025-01-17T23:35:34Z) - HAVANA: Hierarchical stochastic neighbor embedding for Accelerated Video ANnotAtions [59.71751978599567]
本稿では,時間的ビデオアノテーションプロセスの高速化のために,事前抽出した特徴量と次元減少量を用いた新しいアノテーションパイプラインを提案する。
従来のリニア手法と比較して,アノテーションの取り組みが大幅に改善され,12時間以上のビデオのアノテートに要するクリック数が10倍以上に短縮された。
論文 参考訳（メタデータ） (2024-09-16T18:15:38Z) - EMDFNet: Efficient Multi-scale and Diverse Feature Network for Traffic Sign Detection [11.525603303355268]
小さな物体、特に交通標識の検出は、物体の検出と自律運転において重要なサブタスクである。
これらの課題に乗じて,EMDFNet(Efficient Multi-scale and Diverse Feature Network)という新しいオブジェクト検出ネットワークを提案する。
EMDFNetはAugmented Shortcut ModuleとEfficient Hybridを統合し、上記の問題に同時に対処する。
論文 参考訳（メタデータ） (2024-08-26T11:26:27Z) - Causal Video Summarizer for Video Exploration [74.27487067877047]
Causal Video Summarizer (CVS) はビデオとクエリ間の対話的な情報をキャプチャするために提案されている。
既存のマルチモーダル映像要約データセットの評価から,提案手法が有効であることを示す実験結果が得られた。
論文 参考訳（メタデータ） (2023-07-04T22:52:16Z) - A novel efficient Multi-view traffic-related object detection framework [17.50049841016045]
我々は,多視点ビデオデータを用いた効率的な物体検出を実現するために,CEVASという新しいトラフィック関連フレームワークを提案する。
その結果,本フレームワークは,最先端手法と同じ検出精度を達成しつつ,応答遅延を著しく低減することがわかった。
論文 参考訳（メタデータ） (2023-02-23T06:42:37Z) - Task-adaptive Spatial-Temporal Video Sampler for Few-shot Action
Recognition [25.888314212797436]
本稿では,アクション認識のための新しいビデオフレームサンプリング手法を提案する。
タスク固有の時空間フレームサンプリングは時空間セレクタ(TS)と空間増幅器(SA)を介して実現される
実験では、長期ビデオを含む様々なベンチマークが大幅に向上した。
論文 参考訳（メタデータ） (2022-07-20T09:04:12Z) - Action Keypoint Network for Efficient Video Recognition [63.48422805355741]
本稿では、時間的・空間的な選択をアクションキーポイントネットワーク(AK-Net)に統合することを提案する。
AK-Netは、アクションキーポイントのセットとして任意の形状の領域に散在する情報的ポイントを選択し、ビデオ認識をポイントクラウド分類に変換する。
実験結果から,AK-Netは複数のビデオ認識ベンチマークにおいて,ベースライン手法の効率と性能を一貫して向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-01-17T09:35:34Z) - Video Salient Object Detection via Contrastive Features and Attention
Modules [106.33219760012048]
本稿では,注目モジュールを持つネットワークを用いて,映像の有意な物体検出のためのコントラスト特徴を学習する。
コアテンションの定式化は、低レベル特徴と高レベル特徴を組み合わせるために用いられる。
提案手法は計算量が少なく,最先端の手法に対して良好に動作することを示す。
論文 参考訳（メタデータ） (2021-11-03T17:40:32Z) - Few-Shot Video Object Detection [70.43402912344327]
本稿では,Few-Shot Video Object Detection (FSVOD) を紹介する。
fsvod-500は500のクラスからなり、各カテゴリーにクラスバランスのビデオがある。
私達のTPNおよびTMN+は共同およびエンドツーエンドの訓練されます。
論文 参考訳（メタデータ） (2021-04-30T07:38:04Z) - Multi-Density Attention Network for Loop Filtering in Video Compression [9.322800480045336]
ビデオ圧縮におけるループフィルタリングのためのオンラインスケーリングに基づく多密度注意ネットワークを提案する。
実験の結果、同じビデオ品質で10.18%のビットレート削減が最新のVVC(Versatile Video Coding)規格で達成できることが示された。
論文 参考訳（メタデータ） (2021-04-08T05:46:38Z) - Gabriella: An Online System for Real-Time Activity Detection in
Untrimmed Security Videos [72.50607929306058]
本研究では,未トリミングされたセキュリティビデオ上でのアクティビティ検出をリアルタイムに行うオンラインシステムを提案する。
提案手法は, チューブレット抽出, 活性分類, オンラインチューブレットマージの3段階からなる。
提案手法の有効性を,100fps(100fps)と最新技術による性能評価で実証した。
論文 参考訳（メタデータ） (2020-04-23T22:20:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。