Συστήματα ευρετηρίασης και ανάκτηση βίντεο με χρήση προηγμένων μοντέλων μηχανικής μάθησης.

Απλή σελίδα τεκμηρίου
dc.contributor.advisorΒασιλειάδης, Γεώργιοςel
dc.contributor.advisorVasileiadis, Georgiosen
dc.contributor.authorΝεοφυτίδου, Παναγιώταel
dc.contributor.authorNeofytidou, Panagiotaen
dc.date.accessioned2026-06-11T08:21:54Z
dc.date.available2026-06-11T08:21:54Z
dc.date.issued2026-06-11
dc.description.abstractΗ παρούσα πτυχιακή εργασία πραγματεύεται την ανάπτυξη ενός αυτοματοποιημένου συστήματος ευρετηρίασης και ανάκτησης βίντεο, με στόχο την ταχεία εξαγωγή και διαχείριση οπτικής πληροφορίας. Μεθοδολογικά, το σύστημα αξιοποιεί τον αλγόριθμο μηχανικής μάθησης YOLOv8 για τον εντοπισμό αντικειμένων σε πραγματικό χρόνο. Για την εξάλειψη του πλεονασμού δεδομένων, υλοποιήθηκε ένας μηχανισμός χρονικής ομαδοποίησης, ο οποίος συμπιέζει όμοια διαδοχικά καρέ αποθηκεύοντας τα σε μια βάση δεδομένων SQL. Η αλληλεπίδραση επιτυγχάνεται μέσω μιας Web πλατφόρμας, η οποία προσφέρει δυναμική οπτικοποίηση και ενσωματώνει ευφυή ασαφή αναζήτηση, διορθώνοντας αυτόματα τα σφάλματα του χρήστη. Από τις δοκιμές σε πραγματικά σενάρια, συμπεραίνεται ότι το σύστημα διαχειρίζεται αποδοτικά μεγάλους όγκους δεδομένων, μειώνοντας δραστικά τον αποθηκευτικό χώρο και εξασφαλίζοντας υψηλή ακρίβεια και ανθεκτικότητα κατά την ανάκτηση της σημασιολογικής πληροφορίας.el
dc.description.abstractThis thesis presents the development of an automated video indexing and retrieval system, aiming at the rapid extraction and management of visual information. Methodologically, the system utilizes the YOLOv8 machine learning algorithm for real-time object detection. To eliminate data redundancy, a temporal segmentation mechanism was implemented, compressing identical consecutive frames and storing them in a SQL database. User interaction is achieved through a web platform that offers dynamic visualization and integrates an intelligent fuzzy search, automatically correcting user input errors. Tests conducted on realworld scenarios conclude that the system efficiently manages big amounts of data, drastically reducing storage space while ensuring high accuracy and resilience during the retrieval of semantic information.en
dc.identifier.urihttps://apothesis.hmu.gr/handle/123456789/11671
dc.language.isoel
dc.publisherΕΛΜΕΠΑ, Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Statesen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectυπολογιστική όραση
dc.subjectαναγνώριση αντικειμένων
dc.subjectανάκτηση βίντεο
dc.subjectyolo
dc.subjectχρονική ομαδοποίηση
dc.subjectcomputer vision
dc.subjectobject detection
dc.subjectvideo retrieval
dc.subjecttemporal segmentation
dc.titleΣυστήματα ευρετηρίασης και ανάκτηση βίντεο με χρήση προηγμένων μοντέλων μηχανικής μάθησης.el
dc.titleVideo indexing and retrieval systems using advanced machine models.en
dc.typeΠτυχιακή Εργασία
heal.academicPublisherIDΕΛΜΕΠΑ Ελληνικό Μεσογειακό Πανεπιστήμιο
Αρχεία
Πρωτότυπος φάκελος/πακέτο
Τώρα δείχνει 1 - 1 of 1
Μικρογραφία εικόνας
Ονομα:
NeofytidouPanagiota2026.pdf
Μέγεθος:
4.48 MB
Μορφότυπο:
Adobe Portable Document Format
Λήψη
Φάκελος/Πακέτο αδειών
Τώρα δείχνει 1 - 1 of 1
Δεν υπάρχει διαθέσιμη μικρογραφία
Ονομα:
license.txt
Μέγεθος:
2.17 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή:
Λήψη
Συλλογές
Πτυχιακές εργασίες / Bachelor Theses