امنیت گوشی های هوشمند - boss

امنیت گوشی های هوشمند - boss


امنیت گوشی های هوشمند - enter

امنیت گوشی های هوشمند - enter


امنیت گوشی های هوشمند - enter-threats

امنیت گوشی های هوشمند - enter-threats


امنیت گوشی های هوشمند - incident

امنیت گوشی های هوشمند - incident


امنیت گوشی های هوشمند - perso

امنیت گوشی های هوشمند - perso


امنیت شبکه های اجتماعی - اینفوگرافی نمونه های اطلاعات زمینه ای

اینفوگرافی نمونه های اطلاعات زمینه ای برای امنیت شبکه های اجتماعی


امنیت شبکه های اجتماعی - اخلاق انتشار محتوا در شبکه های اجتماعی

اخلاق انتشار محتوا در شبکه های اجتماعی (امنیت شبکه های اجتماعی)


امنیت شبکه های اجتماعی - امنیت و حریم خصوصی کودکان

امنیت و حریم خصوصی کودکان در امنیت شبکه های اجتماعی


امنیت شبکه های اجتماعی - مهندسی اجتماعی

سال 99


امضای تفاهم نامه بین معاونت توسعه و فناوری رسانه و معاونت علمی و فناوری ریاست جمهوری

بازگشت

با عنایت و توجه به بیانیه گام دوم انقلاب اسلامی ایران، مواردی همچون قرارگیری در مسیر پیشرفت سریع و بهره‌گیری شایسته از توانمندی سرمایه‌های مشهود و نامشهود داخلی در قالب شرکت‌های دانش‌بنیان و توانمندی خبرگان دانشگاهی، فراهم نمودن موتور پیشران کشور در عرصه‌ی علم و فناوری و ایجاد زیرساخت‌های حیاتی و اقتصادی، به عنوان مسئولیتی خطیر بر عهده‌ی نهادهای اجرایی کشور قرار گرفته است. دو نهاد معاونت علمی و فناوری ریاست جمهوری و معاونت توسعه و فناوری رسانه سازمان صدا و سیما به عنوان نهادهای اجرایی کشور وظیفه خود دانستند تا در این جهت گام بردارند و به منظور اجراي سیاست‌های کلی علم و فناوری کشور در توسعه اقتصاد مقاومتی و دانش‌بنيان و همچنين پاسخگويي اثربخش به نيازهاي فناورانه رسانه ملي در چارچوب اهداف و سياست‌هاي ابلاغي مقام معظم رهبري، در راستای غلبه بر شرایط تحریم و رونق کسب‌ و کار ایرانی-اسلامی و توسعه‌ی صادرات محصولات و خدمات بومی شرکت¬های دانش‌بنیان، با یکدیگر همکاری مثمر ثمر داشته باشند.

تفاهم‌نامه همکاری مابین "مرکز تعاملات بین الملل علم و فناوری معاونت علمی و فناوری ریاست جمهوری" و "معاونت توسعه و فناوری رسانه سازمان صدا و سیمای جمهوری اسلامی ایران" در تاریخ 14 بهمن سال 98 با حضور آقایان مهندس قلعه‌نوعی رئیس محترم مرکز تعاملات بین المللی علم و فناوری (به عنوان نماینده معاونت علمی و فناوری رئیس جمهور)، دکتر رضا علیدادی معاون محترم توسعه و فناوری (به عنوان نماینده معاونت توسعه و فناوری رسانه سازمان صدا و سیمای جمهوری اسلامی ایران)، مهندس حسینی سرپرست محترم اداره‌کل جهاد و خودکفایی و مهندس استیری مدیرکل محترم دفتر توسعه کسب و کار بین المللی، منعقد گردید. مدت این تفاهم‌نامه از تاریخ امضاء سه سال می‌باشد و در صورت توافق طرفین، قابل تمدید خواهد بود.

هدف اصلی این تفاهم‌نامه برنامه‌ریزی جهت حمایت ویژه‌ از شرکت‌های دانش‌بنیان، خلاق و نوآور این صنعت است و ضمن تقویت توانمندی داخلی در ارائه‌ی محصولات و خدمات فناورانه و نوین، زمینه‌ی معرفی این دستاوردها در عرصه‌ی بین‌المللی را فراهم آورد. از موارد برجسته این تفاهم‌نامه؛ تهیه بستری در راستای تبادلات علمی و فناوری با سازمان و موسسات مطرح دنیا، و هم‌چنین حمایت از حضور مقتدرانه‌ی محصولات با کیفیت شرکت‌های دانش‌بنیان، خلاق و فناور داخلی در رویدادهای ملی و بین‌المللی و حمایت از طرح‌ها، محصولات و شرکت‌های دانش‌بنیان، خلاق و فناور حوزه رسانه به منظور بازار سازی و ایجاد تقاضا در بازارهای بین‌المللی است.


تفاهم نامه با معاونت علمی ریاست جمهوری

تفاهم نامه

https://rd.irib.ir/-/%D8%A7%D9%85%D8%B6%D8%A7%DB%8C-%D8%AA%D9%81%D8%A7%D9%87%D9%85-%D9%86%D8%A7%D9%85%D9%87-%D8%A8%DB%8C%D9%86-%D9%85%D8%B9%D8%A7%D9%88%D9%86%D8%AA-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D9%88-%D9%81%D9%86%D8%A7%D9%88%D8%B1%DB%8C-%D8%B1%D8%B3%D8%A7%D9%86%D9%87-%D9%88-%D9%85%D8%B9%D8%A7%D9%88%D9%86%D8%AA-%D8%B9%D9%84%D9%85%DB%8C-%D9%88-%D9%81%D9%86%D8%A7%D9%88%D8%B1%DB%8C-%D8%B1%DB%8C%D8%A7%D8%B3%D8%AA-%D8%AC%D9%85%D9%87%D9%88%D8%B1%DB%8C

SAL jahesh TOLID99-01-1.jpg

tafahomname-01-1.jpg

tafahomname-01.jpg

SAL jahesh TOLID99-01.jpg

مروری بر ملاحظات لازم در انتخاب خدمات ابری برای برودکسترها

مروری بر ملاحظات لازم در انتخاب خدمات ابری برای برودکسترها • مقدمه • مدل های مسئولیت پذیری • بررسی ویژگیه های امنیتی • امنیت از دیدگاه برودکست


Video Quality Assessment

Title: Video Quality Assessment
Description:

Artificial Intelligence-Based Software

There are many parameters to assess video quality including brightness, colorfulness, sharpness, transparency and absence of all types of noise etc. These parameters partly determine the video quality, but the perception of viewers is different from the quality of the images, and it seems that they cannot be easily measured. This raises the gap between the reported assessment of software and the perception of viewers. By using artificial intelligence, we were able to fill this gap and provide a criterion in accordance with the perceived quality of viewers. This software reflects the video quality using the illustrated video in sight of viewers and feedback from a large number of viewers about video quality.

Applications

  • Monitoring in media broadcasting
  • Quality assessment for video producers
  • Video ranking for search engines
  • Sorting and measuring similar video for video on demand (VoD) services

Quality Measurement Indicators

Besides estimating of Mean Opinion Score (MOS), the classic and popular metrics are included in this software. In addition, several other important features have been added to the software to help providers use their benefits. The short list of all of the features is as follow:

Video Features:

,MOS,Brightness,Chroma,Contrast,Colorfulness,Chroma imbalance,Loss of ChromaColor  gamut

Photosensitive epilepsy risk,Saturated red transition epilepsy risk, Blackness,Noise estimation

Frame luminance,Frame freezing, Scene change, Letter boxing, Pillar boxing, Window boxing

Black frame, Frame drop,Video information, Blurriness, Blooming, Stripe noise, Low luminance

Audio Features:

Audio clipping,Mute detection, Audio constant,Noise detection, Phase distortion, 

Phase coherence, Audio contrast, THD+N, Clicks and pops,Loudness Momentary,

Loudness Short Term,  Loudness Integrated,  Loudness LRU,Loudness true peak level

Loudness Mismatch, SINAD, SNR .

Advantages of the software:

  • Comprehensive list of quality features for audio and video
  • Several Operating modes
  • Compatibility with most video codec formats
  • Detailed reports
  • Real-time alarms for critical features
  • Adjustable and customizable error thresholds
  • Inclusion of popular report formats: XML, JSON, CSV
  • XML output attachable to metadata
  • Easy access to previous reports by checking outputs attached to metadata
attachments:

Deep Mocap

Title: Deep Mocap
Headline: Human Motion Capture
$alt
Description:

Motion capture is the process of recording human movements. It has many uses in medical, military, sports, computer vision, and cinema industry.

Current motion capture systems fall into two main categories: optical and non-optical systems. The main disadvantage of current motion capture systems is the need for special hardware and corresponding software. The cost of such systems could be prohibitive for small productions. In addition, the system may need some requirements for the space it operates in, for example Chroma key (green screen) or magnetic distortion limitations

Human Motion Capture Using Deep CNN

This Research presents a method for human motion capture based on deep convolutional neural networks (CNN).

This method consists of two main phase:

1) 2D human pose estimation.

2) 2D data aggregation to capture 3D data

First, the image captured by each camera (cameras are assumed to be calibrated) is processed by the designed CNN. Our CNN is trained to output human joints in the 2D input image. The input to the CNN is a raw image in RGB format and the output is the location of detected human joints in the image. The model detects all humans in the image and is independent of the number of people who are present in the input image. The Model is also capable of capturing fingers, if the input image has enough resolution. Then, the 2D positions in each image are aggregated to construct a single 3D map of human structure and motion. To do so, we need intrinsic and extrinsic matrices of all cameras. These matrices are form using calibration methods. Finally, the 3D points are mapped to a virtual character to follow the motions.

Alongside human movement, the system could also capture human facial points. The procedure is the same as the body joints. Facial points could be used in both 2D and 3D formats, because of the symmetric features and limitations of face.

The main advantage of the proposed method is that it does not need any special hardware, since our method works with low cost ordinary cameras and no sensors. The load of the system has been transferred from equipment and hardware (which is the case in traditional systems) to the calculations take place in computer. This is because of the fact that the main part of a motion capture system, which is the detection of special positions on subject, is done through complex algorithm using our designed CNN. We need no addition hardware. However, because of the CNN model in the core of the MOCAP system, a GPU is recommended..

 

 

attachments:

جهاد در آینه نشریات