UNIVERSITETI I EVROPËS JUGLINDORE

FAKULTETI I TEKNOLOGJISË INFORMATIVE

Shkencat Kompjuterike

PUNIM KËRKIMOR

Tema: Procesimi inteligjent multimedial

Mentori: Studenti:

Jehona Rushiti Gëzim Sopi

Dhjetor 2009

2

3

Parathënie

Mënyra se si i qasemi informatës, udhëheqim biznese, komunikojmë, edukojmë,

mësojmë dhe kënaqemi do te ndryshoj rrënjësisht me zhvillimin e shpejtë të teknologjisë

multimediale. Teknologjia Multimediale po ashtu paraqet një mundësi të re për të hulumtuar

bashkëveprimet ndërmjet shumëllojshmërisë mediale si: zëri, fotografia, video–ja, teksti dhe

grafika. Digjitalizimi dhe kodimi i imazheve dhe videove janë bërë më të përdorshme këtë

dekadë të fundit, kompjuterët dhe sistemet e Ueb bazave të të dhënave kanë filluar të ruajnë

shënime voluminoze të imazheve dhe videove. Jemi dëshmitar se si informatat vizuale online

janë bërë të afërta me realitetin. Këto ndryshime janë si shkak i dëshirave dhe biznesit për të

arritur një rehati më të mirë për të ardhmen. Sidoqoftë, si teknologjia e informimit të të dhënave

po avancohet me shpejtësi, ne tani jemi të detyruar të indeksojmë dhe të jemi në gjendje të

korrigjojmë informatat vizuale.

Do të ishte e dëshirueshme që të kemi një mjet që në mënyrë efikase kërkon në Ueb për

pikturën e dëshiruar (ose videon), tani veç kemi Uebe të ndryshëm qe janë enkas të konstruktuar

vetëm për shfletimin e audiove dhe videove si p.sh: www.youtube.com e shumë tjerë, duke

përdorur një pyetësor për shfletimin e tyre. Aktualisht, disa pyetësor do të dukeshin: „Kërko

imazhe me 30% kaltër në lartësinë e kornizës dhe 70% te gjelbër në ultësinë e saj“ ose „Kërko

imazhet ose klipet të ngjashme me këtë vizatim.“ Për të arritur këtë duhet qe të bëhet një punë

më e madhe rreth pyetësorëve me të cilët do te arrihej një rezultat më i dëshiruar por kemi edhe

pyetësorë “subject-based” 1që do të ishin më të përshtatshëm në këtë aspekt mirëpo kërkojnë

sfida teknologjike më të mëdha, të cilat kërkojnë për avancimin në dy fronte karakteristike:

1 “subject-based” – është metodë e bazuar në procesin bazë të subjektit

4

• Teknologjia e rrjetave kompjuterike. Risitë në komunikim dhe teknologjia e rrjetave

janë kritike për sistemet e bazave të të dhënave multimediale për të mbështetur interfejsat

dinamikë interaktiv. Një sistem i vërtetë medial duhet të lidhë klientët individual me adresën

përmbajtëse të databazës multimediale. Kjo do të ndikonte drejtë për se drejti në mbështetjen e

informatës për të ndarë “share” me klientët tjerë si me anë të lidhjes logjike poashtu edhe asaj

fizike ndërmjet kompjuterëve në rrjetë përkatësisht transferit të të dhënave.

• Teknologjia e procesimit të informatës. Për ta avancuar këtë teknologji duhet përdorur

“text-based search” kërkimin për ta indeksuar përmbajtjen e multimedias në datoteka

voluminoze që gjinden në arkiva të ndryshme në strukturat e rrjetave kompjuterike. Përdorimi i

kësaj teknologjie do te bëjë të përdorshme më shumë shërbime: tek profesionalistët, tek

biznesmenët, tek zbuluesit, libraritë si dhe përdoruesit e përgjithshëm si studentet dhe amviset.

Këto shërbime duhet t’i kombinojnë sistemet e ndryshme multimediale dhe ndërlidhjet e tyre ne

kohë reale.

Zëri, imazhet dhe videot janë duke luajtur një rol shumë të rëndësishëm në procesimin e

informatës multimediale si dhe ne spektrin e gjerë të aplikacioneve përcjellëse. Teknologjia

Multimediale e së ardhmes nuk do të bart informata me këtë nivel inteligjente, këto do të

përcjellën me teknologjinë Procesimi Inteligjent Multimedial (IMP). Përkatësisht kemi rastin e

shifrimit (MPEG -1 , MPEG -2 , MPEG -4 ) tek MPEG -7, e cila fokusohet në “përshkrimin e

përmbajtjes multimediale” përmes kësaj teknike bëhet funksionimi i sinjalit të multimedias në

raport të hapësirës dhe kohës. Për këto, Rrjetat Neurale (RNs), nganjëherë në kombinim me dy

njësi të inteligjencës llogaritëse (CI), sistemit fuzzy (FS) dhe njehsimin evolutiv (EC), mund te

ofroj një horizont shumë premtues.

5

Kapitulli I

1.1 Rrjetat Neurale dhe Procesimi i Multimedias

Arsye kryesore qe njësia e inteligjencës llogaritëse (CI) është e dalluar si teknologji

kritike e bërthamës për IMP (Procesimi Inteligjent Multimedial), është nyja për mësimin e saj,

adaptimin, arsyetimin dhe mundësin e evoluimit, përmes së cilës makinës i jep mundësi që të

interpretoj shumëllojshmërinë e të njëjtit objekt apo modelit në hapësirë (p.sh. dimensioni,

orientimi dhe perspektiva).

Në përgjithësi pjesa e Rrjetës Neurale (RN) përdoret për ta mësuar objektin, ndërkaq

pjesa logjike e Fuzzy –t përdoret për prezantim të njohurive. Për ta mbërthyer gjithë këtë,

sistemi IMP mund te adaptohet shpejt në një mjedis dinamik të ndryshueshëm nga RN dhe FS

(Sistemi Fuzzy) dhe struktura e sistemit mund të zhvillohet përgjithësisht nga EC (Njehsimi

Evolutiv).

Njësitë e CI, RN kanë qenë veglat më të përdorura për IMP për arsye se:

• Rrjeta Neurale ofron mekanizma me të cilat arrihet njohja dhe dallimi i objekteve , të

deformimit apo jo kompletimit të informatës. Kështu RN mund të trajnoj për ta vërejtur, dëgjuar,

të dalloj objektet ose zërin apo te kuptoj gjestet humane.

• Rrjeta Neurale është model klasifikues shumë i fuqishëm ku përmes këtij arrihet që kur

ka ndonjë përmbajtje eksplicite apo priori të censuroj apo ta përafroj.

• Rrjeta Neurale ofron një aftësi universale te përafrimit kur kemi të bëjmë me të dhëna të

ndara apo të papërfillshme ose mungesore. Në këtë kontekst, disa modele Neurale kanë ndërfutur

në mënyrë efektive procesimin statistikë të sinjaleve dhe kanë krijuar kushte më të përshtatshme.

• Modelet neurale të përkohshme krijohen për të pajtuar sinjalet me aplikacionet dhe

pajisjet përcjellëse për ta procesuar multimedien, pjesërisht zërin.

• Struktura hierarkike e Rrjetës Neurale është më e përshtatshme dhe efektive për

mekanizma kërkues që përdoren në sasi të mëdha, Ueb, databazë etj.

6

Si pasoj, RN aktualisht ka tërhequr vëmendjen në shumë aplikacione të multimedias. P.sh. (1)

Perceptimin human: kategorizimin e gjesteve, ngjyrës, dhe vizualitetin e të dhënave

multimediale. (2) Komunikimin Kompjuter-Human : njohja e fytyrës, analizimin e leximit të

buzëve etj. (3) Prezantimi i shumë mundësive rikthimi i informatës: hyperlinking < url >,

pyetësorët dhe shfletuesit e informatave multimediale, prezantimin e 3D objekteve etj.

Një përfaqësim efikas i informacionit mund të lehtësojnë shumë funksione të dobishme

multimediale, të tilla si objekte me bazë indeksi dhe akçesi. Për këtë qëllim, është thelbësore për

të pasur të sofistikuar përpunimin e imazhit ose videos. Për shumë aplikacione multimediale,

përpunimi është detyre e lehte, zakonisht i kryer në sinjale hyrëse për ta bërë pasuese punimin e

modelimit dhe klasifikimit (për shembull, ndarja e 2D apo 3D imazheve, videove për

përmbajtjen bazë në kodim dhe përfaqësim në kuadër të standardeve MPEG ose JPEG). Sa më

shumë të sofistikuar të përfaqësimit të marra nga përpunimi aq më pak klasifikues të sofistikuar

duhet të jenë. Kështu, një ekuilibër synergistic (ndërveprim eventualisht) në mes të përfaqësimit

duhet të hulumtohen indeksimi.

Sa më të ndryshme qe ekzistojnë tekstet, audiot, pamjet digjitale që gjenden të ato bëhen

gjithnjë e më te vështira për të gjetur dhe për tu qasur në informata. Pra të nevojshme janë veglat

kërkimore automatike për indeksim dhe qasje. Zbulimi i një (deformable) modeli apo objekti ka

qenë prej kohësh një makinë për të mësuarit e rëndësishme dhe problem i vizionit kompjuterik.

Detyra ka të bëjë me gjetjen e veçantë (por lokalist deformable) të modelit të imazhit (për

shembull, fytyrat e njeriut). Kritika të fuqishme kërkimi janë të nevojshme për identifikimin e

strategjive për përmbajtjen në zë ose gjurmë vizuale, ndoshta pa të mirën e informatave

tekstuale. Kjo do të ketë rëndësi në aplikacionet komerciale, duke përfshirë makinat automatike

te parave (ATM), qasja e kontrollit, mbikëqyrjes, dhe video konferencë e sistemeve.

Sinjalet multimediale të përpunimit janë më shumë se "vënien së bashku" tekst, audio,

imazhe, dhe video. Korrelacioni ndërmjet audio dhe video mund të shfrytëzohen për të arritur

kodim dhe njohje më të efektshme. Në aplikimin e sistemeve të reja kërkimore ka mundësi të

dalin në fushën e fuzionit dhe ndërveprimit midis këtyre medieve. Njerëzit më ane të perceptimit

mund të kryejnë detyra të bazuara në njohjen e përbashkëta të përpunimit multimedial të të

dhënave hyrëse.

7

Kapitulli II

2.1 Vizuelizimi i imazhit dhe copëzimi

Detyra e ekstraktimit është tipar i rëndësishëm për kërkim të skemave, sepse një

përfaqësim të efektshëm të informatave që mund të lehtësojnë shumë funksionalizimin pasues

multimedial, të tilla si feature-based2 ose objekti-bazuar në indeksim dhe hyrje. Përfaqësimi

efektiv i të dhënave mund të jetë multimedial i arritur nga mekanizmat e grumbullit nervor.

Objektivat e përgjithshme janë (1) për nxjerrjen e karakteristikave më të spikatura për të bërë

klasifikimin më të lehtë, dhe (2) për nxjerrjen e media informatave të nevojshme nevojiten nivele

të ndryshme të abstraksioneve (përmbledhjeve).

Megjithëse ndarja e përsosur dhe monitorimi i objekteve 3D video mund të mos jetë

gjithmonë e nevojshme, është e dëshirueshme që të ketë aftësi të telemjekësisë dhe biokimisë

lidhur me aplikimet. Përdorimi i energjisë lokale të sipërfaqes së një tipar kryesor, një SOFM3

mund të sigurojë D rezolucione të detajeve të sipërfaqes së objekteve të veçanta përmes procesit

3D të ndarjes. Teknika është zbatuar për ndarje dhe vizuelizimin në gjedhet e kromozomeve

mikroskopike në pamjet dhe imazhet e njeriut.

2.2 Njohja dhe identifikimi personal

Rrjetet nervore të njohura janë themeluar si një mjet për të ngritur më shumë modele të

klasifikimit të problemeve. Në veçanti, ata janë aplikuar me sukses për t'u përballur me njohjen

aplikative. Duke kombinuar të përballet me informata tjera me karakteristika të tilla si biometrike

të shprehjes, kjo veti ofron fuzion të qasjes në saktësinë e përmirësuar, si dhe një shkallë gabimi

të tolerancës (p.sh., ajo mund të tolerojnë dështimin e përkohshëm të një prej kanaleve Bimodal).

2 Feature-based: Bazim i ardhshëm

3 SOFM – Program orientues në pamjet multimediale

8

Për vizualizimin dhe monitorimin e kërkesave të vëzhgimit, është e rëndësishme për të

përcaktuar pozicionin e syve të njeriut nga një imazh që përmban një seri të ndryshme të formave

të njeriun. Sapo sytë e njeriut janë të pozicionuar, të gjitha ato karakteristika të tjera të

rëndësishme të fytyrës, të tilla si qëndrimet e hundë dhe në gojë, mund të përcaktohet lehtë.

Informacioni bazë i gjeometrisë së fytyrës, të tilla si distanca midis dy sy, hundë dhe gojë

madhësia, etj, mund të nxirren më tej edhe në kushte të ndryshme. Ky informacion gjeometrik

mund të përdoret për një shumëllojshmëri qëllimesh, si për shembull njohjen që të përballet me

nga një të dhënë të bazës së të dhënave.

Ka shumë shembuj të suksesshëm që janë arritur të përballen me zbulimin dhe njohjen.

Brunell Poggio4 ka miratuar një rrjet që të përballet me RBF njohjen, duke përdorur nën

hapësirat për përcaktimin e klasave që përballen me modelet. Pjesët e fytyrës të cilat ishin

përcaktuar me njohjen e algoritmit fytyrë peshku të cilat ishin studiuar dhe krahasuar duke

propozuar një përzierje për distancat e rrjetit VQ për të arritur njohjen e normës 95% të një

regjistri prej 685 personave. Në rrjetet nervor ishin aplikuar me sukses zbulimet e formave të

fytyrës së njeriut duke përcaktuar secilën nga gjymtyrët e fytyrës.

2.3 Imazhi dhe rikthimi i Videos, Kërkuesi, dhe

Kontesti-Indeksi bazë

Përpunimi i Videos digjitale në kohën e fundit ka një rëndësi thelbësore të përpunimit të

informacionit të teknologjisë. Formati MPEG-4 i videos të kodimit standard mundëson të lejojë

përmbajtjen e bazës interaktive, qasjes universale, dhe një shkallë të lartë të fleksibilitetit dhe

zgjatshmërisë. Për të akomoduar të dhëna voluminoze të multimedias, shkencëtarët kanë

sugjeruar bazë të përmbajtjes së indeksuar dhe paradigmë rikthyese. Bazimi i përmbajtjes

inteligjente e përpunimit është kaq kritike për shkak se përfshin fusha të ndryshme duke përfshirë

aplikimin e kodimit të videos, kompresimit, reprezentimin e objekteve të orientuara në video,

përmbajtjen bazike të rikthimit në bibliotekën digjitale, video mozaikë, përbërjen e videos (një

kombinim i skenave natyrore dhe sintetike), e kështu me radhë.

4 Brunell Poggio – Fizikan, është marrë me problemin e dritës në fotografi

9

Një rrjet nervor në bazë të lidhjes së algoritmit është propozuar lënda bazë për rikthimin

e databazës së imazhit dhe videos. Objekti klasifikues për lidhje kryhet duke përdorur DBRN5

offline. Një qasje është hierarki e multirezolucionit duke përdorur hapësira të një funksioni në

një imazh. Klasifikimi është kryer në dy faza, fillimisht duke përdorur ngjyra, karakteristika dhe

pastaj ndërtimi është zbatuar për të përsosur klasifikimin (me anë të dy DBRN). Skema e

indeksuar dhe procedurat e lidhjes janë përshkruar në figurën 1. Sistemi lejon konsumatorët në

kërkim të imazhit nga furnizimi i bazës së të dhënave. Imazhet nuk janë të manipuluar në

mënyrë të drejtpërdrejtë në fazën online. Çdo imazh është klasifikuar në një seri të paracaktuara

offline duke përdorur ngjyra dhe cilësi dhe karakteristika të teknikave të rrjetit nervor. Pyetjeve

iu janë përgjigjur duke kërkuar lidhje të bazës. Për dallim nga qasjet e mëparshme, e cila

drejtpërsëdrejti manipuluan imazhin online duke përdorur templeta6 ose të nivelit të ulët të

parametrave të imazhit , kjo lidhje e sistemit të imazheve offline, e cila në masë të madhe rrit

performancen.

Procedura e lidhjeve përfshin katër hapa. Në hapin e parë, çdo imazh është shkurtuar në

madhësi 25 njësi të blloqeve të barabartë. Secili mund të ketë një bllok të vetëm ose të

shumëfishtë të objekteve. Në hapin e dytë, informacioni i ngjyrës është i punësuar për një

klasifikim ku secili bllok klasifikohet në njërën nga këto familje: e zezë, ngjyrë hiri, e bardhë, e

kuqe , e verdhë, e gjelbër , e kaltër, ose e purpurt në HSV (Sistemi i Horizontit Vertikal) ndër

hapësira. Në hapin tjetër, ndërtimi i karakteristikave janë zbatuar për të përsosur klasifikimet

duke përdorur DBRN si rezultat i klasifikimit të ngjyrave ku jo vetëm një grup i nënshtrohen

kategorisë. Çdo bllok mund të jetë më tej klasifikues në njërën nga këto kategori: qielli, gjethi, zë

i shpejt, objekt i bardhë, terren, dritë, dru, të panjohur, dhe të pasigurt. Në fund, një imazh të

gjeneruar nga lidhja kërkoj tabelë duke përdorur objekt për njohjen e rezultateve të ruajtura në

lidhjen bazës së të dhënave. Rezultatet eksperimentale për zbatimin e Ueb bazës, tregon se ky

model është shumë efikase për një film të mëdha apo TV-programi bazë e orientuar në video

digjitale.

5 DBRN – Databaza e Rrjetave Neurale

6 Template – Forma të gatshme

10

Figura 1

Indeksimi bazikë i sistemit:

(a) Metodologjia vizuale e kërkimit

(b) Proceduara nyjore

(c) Ilustrimet e nyejve

Indeksimi i videos në bazë të skemës së fytyrës së njeriut është propozuar nga S.H. Lin

et7. Skema është zbatuar duke u përball me zbulimin dhe njohjen e teknikave. Në shumë video

aplikacione, shfletimi nëpërmjet një sasi të madhe për të gjetur video materiale është një detyrë

tejet e rëndësishme. Indeksimi i bazës së videos nga fytyra e njeriut që i ofron përdoruesit të

fitojnë video klipe të efektshme për personin e interesuar. Për shembull, një studim i filmit të

ekstraktuar të klipit të preferuar të aktorit / aktores nga një film i arkivit të studiojnë një shfaqje,

dhe një gazetar i TV lajmeve së shpejti gjen një bazë të dhënash të lajmeve me përmbajtje të atij

foto klipi, për disa politikan në mënyrë që të redaktoj lajmet e mbrëmjes.

Skema përmban tre hapa. Hapi i parë përballet me kërkimin e video bazës në segmentin e video

duke aplikuar një ndryshim skene për zbulimin e algoritmit. Ndryshimi i skenës së zbuluar të jep

një ndryshim të ri. Çdo segment i krijuar nga skena me ndryshimin e zbulimit mund të

konsiderohet si një histori të kësaj njësie. Pas videos copëzimi i renditur, një probabilitet i

DBRN përballet me detektorin që është për të gjetur segmentet e invokuara (të shtëna) se

shumica përmbajnë fytyra të njeriut. Nga çdo video të invokuar, në kuadër të përfaqësuesit të saj

ku përballet me një detektor. Përfaqësuesit e kornizës të cilët përballen me zbulimin koefidencial

të detektorëve dhe rezultatet shërbejnë si tregues për kërkim.

7 S.H. Lin et - Matematikan

11

Kapitulli III

3.1 Vizioni kompjuterik dhe njerëzimi interaktiv

Rëndësia e bashkëveprimit në mes të njerëzve dhe kompjuterëve në sistemet

multimedial kurrë nuk do të mund të nënvlerësohen. Ne do të donim të jetë e aftë për

mirëkuptimin e njeriut ndaj kompjuterëve dhe të shprehjes nëpërmjet zërit, gjesteve vizuale,

lëvizjeve të trupit, dhe kështu me radhë, si dhe të imitojë këto veprime. Hulumtimi multimedial

të përshkruara në seksionet e mëparshme është i dobishëm për të trajtuar problemin e të

kuptuarit. Për imitimet e veprimit të njeriut, vizioni kompjuterik dhe njerëzimi interaktiv (IHCV)

mund të japë zgjidhje.

Zhvillimi i vizionit që mund të përshtatet me algoritme të proceseve të dizajnuar për

gjetje, parashikojnë, dhe në mënyrë të veçantë të përshkruaj ndërveprimet e njeriut me kompjuter

në mënyrë që të jenë të dobishme për përdorues të veçantë në një detyre të caktuar që është

shumë e rëndësishme në sistemet e multimedias. Ajo mundëson sjelljet, të tilla si realitete të

shtuara si një ndihmë për ecurinë e njeriut, duke marrë përsipër detyra ose duke i bërë ata më të

lehtë.

IHCV është një problem i të mësuarit. Në zhvillimin e mësimit të algoritmeve që janë të

mjaftueshme për të ndjekur, parashikojnë, dhe të përshkruajnë se si veçorit e njerëzve dhe

interpretuan imazhet në detyra të ndryshme. Për shembull, ne mund të kemi një portret për

përshkrimin e strukturave të tilla si nyjës, cilësisë, perimetri, etj. Ne gjithashtu mundë të kemi një

përshkrim simbolik të strukturave siç janë formulat matematike.

Dy shembujt të ndryshëm të skenës së animimit janë përfshirë në IHVC përafërsisht

janë:

* Lëvizja / parashikim i kufijve njerëzor / funksioni i etiketimit: detyra të ndryshme dhe

vetit e imazheve - kërkojnë identifikimin e llojeve të ndryshme të teheve / tiparet e fytyrës.

* Duke mësuar ne përcaktojmë simbolet njerëzore të vizatimit, (p.sh. barazimet):

Identifikimi i performancave është invariant i madhësisë, orientimit, pozitës dhe shtrembërimet

specifike.

12

Për të përmbledhur, objektivi i përdorimit i detyrës në menaxhimin e rrjetës neutrale

(MRNs) është për të gjetur se çfarë bëjnë njerëzit duke parashikuar 0 raste të reja. Në një qasje e

re për nxjerrjen e portretit të strukturave ishte propozuar. Portreti i strukturave në imazhe janë të

referuara si nyje, cilësi, kontur, etj. Në IHCV, çështja që duhet të adresohen si adaptime nxjerrjen

e atyre strukturave të konsiderohet e rëndësishme për perceptimin e njeriut. Në mënyrë tipike,

faktorët që do të shqyrtojnë këto ndryshme në kushtet e sfondit dhe prototipit nga tiparet që

përfaqësojnë strukturat nën nivelin e një ilustrimi të sfondi.

Të DBRNs propozuar nga Kung dhe Taur 8janë veçanërisht të përshtatshme për detyra

të tilla. Motivimi për të përdorur këtë arkitekturë është se, në funksion e nxjerrjes, ajo do të jetë

më e natyrshme për të miratuar parametra të shumta të vendimit dhe zbatimit të duhur në

përcaktimin e parametrave si një funksion i kontekstin lokal, në vend të miratimit të shumë

parametrave të vetme në të gjithë imazhin si në qasjet tradicionale.

Një vendim-modular i bazuar në arkitekturën që përbën një përfaqësim natyror gjatë

procesit vendimtar në qoftë se ne çdo nënrrjeti të emëruar që përfaqëson një ilustrim të nivelit të

ndryshme në prapavijë, dhe në çdo njësi të nënrrjetit për të përfaqësuar karakteristika të

ndryshme të prototipit korrespondues. Nëse analizohet një funksion i vektorit hyrës, në dy faza

vendimi është bërë nga DBRN:

* Brenda një nënrrjeti, të njësive të ndryshme që përfaqësojnë prototipat përkatëse nën

ndriçim që konkurrojnë me të tjerët. Grupi duke dhënë më shumë prodhim pretendon në

identitetin dalës të vektorit.

* Pas kompletimit me të tjerët, dhe me një vlerë më të madhe të prodhimit do të

pretendojnë identitetin e vektorit hyrës.

Një karakteristikë shumë tërheqëse e DBRN është kundër zhurmës dhe ndërhyrjes. Që

nga DBRN mësojmë mesataren e informacionit të prapavijës, zhurma dhe ndërhyrja është filtruar

si sinjale të rastit. Fuqia e tillë ka qenë e demonstruar qartë në avantazhet e zbulimit.

8 Kung dh Taur – Shkencëtar Japonez të Teknologjisë Multimediale

13

Çështje e hapur, e një drejtimi të ardhshëm

studimor, dhe përfundimtar

Në këtë punim, ne jemi përqendruar në atributet kryesore të rrjetave të rëndësishme për

zbatimin e tyre në zgjimin e aplikacioneve multimediale. Hapësira e shtresuar e kufizimeve

ndalojnë mbulimin e subjekteve. Më shumë shembuj ilustrues mund të gjenden në përpunimin e

revistave të shumta.

Edhe pse NRs kanë qenë mjaft të suksesshme në aplikimet e shumë IMP-ve, temat

kërkimore mbeten për t'u zgjidhur. Nga perspektiva e sistemit komercial, ka shumë aplikues të

shtyrë në probleme kërkimore. Këto përfshijnë analizën e ndryshuar në skenën e zbulimit,

shprehjeve të fytyrës dhe gjesteve, përzierje e gjesteve, fjalim dhe emocione, audio sinjale, titra

automatike për dëgjimin e të paaftëve ose të dytë në gjuhën e TV audiencës, telefonit

multimedialë, shërbimet dhe zë interaktiv multimedial, fjalim , imazhe, dhe përmbajtjen e

videos.

Nga një hulumtim afat-gjatë, ekziston një nevojë për të ngritur një teori themelore për

multimediale të teknologjisë inteligjente. Një teknikë para procesimit të fuqishëm, e aftë për të

kërcyer kapitullimin e videove bazë, do të sigurojë një themel të shëndoshë për objektet e

orientuara in-line të indeksimit vizual. Kjo sugjeron se një ekuilibër “synergistic” me

bashkëveprim midis përfaqësimit indeksor duhet të hetohet me kujdes. Një tjetër objekt themelor

hulumtimi që kërkon vëmendje të menjëhershme është modelimi dhe vlerësimi i cilësisë në

komunikimin perceptual të njeriut. Për përmbajtjen bazë të pyetjes vizuale, duke inkorporuar

përdoruesit interaktive në procesin e kërkimit do të jetë gjithashtu një temë sfiduese, por e

dobishme.

Në të ardhmen do të zhvillohet një telekomunikacionit me theks të madh të medieve për

të drejtat e integrimit të komunikimit të njeriut. Sistemet multimediale mund të arrijnë

potencialin e tyre vetëm kur ata janë vërtetë të integruar në tri mënyra kryesore: integrimin e

përmbajtjes, integrimin e njeriut, dhe integrimin me sisteme të ndryshme të medies. Prandaj, në

vijim do të shfaqim teknologjinë e cila të çon drejt së ardhmes të kërkimeve multimediale:

1. Teknologjitë e gjeneruar për çdo lloj të hapësirës së veprimit.

2. Teknologjitë duke e prishur hapësirën e veprimit

14

3. Teknologjitë për manipulimin e objekteve në hapësi e veprimit

4. Teknologjitë për të komunikuar me banorët e hapësirës së veprimit.

Për ta përmbledhur, hulumtimin dhe aplikimin e mundësive në inteligjenten

multimediale të përpunimit në të vërtetë është i pafundmë. Tani ne duhet të eksplorojmë më tej

përfitimet e tyre të gjera.

15

Referenca

[1] Ling Guan, Sun-Yuan Kung, Jan Larsen. “Multimedia image and video processing”

© 2001 by CRC Press LLC.

[2] Jerry D. Gibson. “Handbook of image and video processing” Copyright t2 2000 by Academic

Press

[3] Aboul-Ella Hassanien, Ajith Abraham, Janusz Kacprzyk dhe James F. Peters. “Computational

Intelligence in Multimedia Processing” © Springer-Verlag Berlin Heidelberg 2008, (faqe 6-12,

faqe 21-31)

16

Përmbajtja

Parathënie ....................................................................................................................... 3

Kapitulli I

1.1 Rrjetat Neurale dhe Procesimi i Multimedias ............................................................ 5

Kapitulli II

2.1 Vizuelizimi i imazhit dhe copëzimi ......................................................................... 7

2.2 Njohja dhe identifikimi personal ............................................................................. 7

2.3 Imazhi dhe rikthimi i Videos, Kërkuesi, dhe Kontesti-Indeksi bazë .......................... 8

Kapitulli III

3.1 Vizioni kompjuterik dhe njerëzimi interaktiv ......................................................... 12

Çështje e hapur, e një drejtimi të ardhshëm studimor, dhe përfundimtar ....................... 14

Referenca ............................................................................................................ 15

Përmbajtja ……………………………………………………………………………... 16