基于深度学习的短视频内容分析算法研究

发布时间：2025-01-01 09:34

　　随着互联网的迅速发展,智能手机技术的迅速提高,每分钟有大量的短视频通过社交平台进行分享,所以视频内容分析是目前机器学习和人工智能非常重要和热门的工作。针对大规模的用户原创生产的视频内容,如何进行全方面分析是难度非常高的事情,如何从大量用户发布的短视频中筛选掉不良违法内容,选出优质视频分享给其他用户,提高整个用户分布平台视频的质量也是重中之重。本文从视频,音频,发布者头像的角度,从用户的视觉,听觉角度对视频进行视觉方面分析与听觉方面分析,运用了多个深度学习模型对这三个领域进行建模,建立多套深度学习模型对视频进行全方位分析。首先,提出基于OPEN_NSFW网络结构进行建模,改良,对发布者头像进行判别是否涉及色情,提升判别精准率,降低判别误杀率。然后,对视频内容进行分析,首先用1)inception-v3模型结构对视频提取出各帧的视觉特征表达;2)分别建立全连接网络结构,支持向量机SVM模型,长短时递归神经网络（LSTM）对该特征序列进行学习,并表达为相应的视频类别,为达到更高的准确率与精准率,在长短时神经网络LSTM结构基础上,建立了多层LSTM,多层LSTM加Dropo...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 与本课题有关的国内外研究状况
    1.3 本文的主要研究内容
    1.4 论文组织结构
第2章 短视频内容分析算法研究需求分析
    2.1 业务用例说明
    2.2 算法设计需求分析
        2.2.1 算法框架的功能性描述
        2.2.2 算法框架的非功能性需求
    2.3 算法架构设计
第3章 色情判断优化算法
    3.1 当前的问题
    3.2 数据集说明
    3.3 使用原始模型OPEN-NSFW说明
        3.3.1 OPEN-NSFW来历
        3.3.2 色情指数
    3.4 色情计算模型再训练优化FINE-TUNE
        3.4.1 标注数据推送功能设计
        3.4.2 数据预处理功能
        3.4.3 深度学习计算模型再训练优化fine-tune
    3.5 本章小结
第4章 视频优质分类算法
    4.1 引言
    4.2 数据获取和数据和数据预处理
    4.3 模型设计
        4.3.1 短视频特征提取阶段
        4.3.2 全连接模型实现优质分类
        4.3.3 支持向量机SVM实现优质分类
        4.3.4 长短期记忆网络LSTM实现优质分类
        4.3.5 不同分类模型下特征组合实验结果与分析
    4.4 本章小结
第5章 语音三分类算法
    5.1 引言
    5.2 目标
    5.3 语音三分类算法组成
    5.4 数据
    5.5 特征提取
    5.6 模型构造与迁移学习
    5.7 本章小结
结论
参考文献
致谢
个人简历



本文编号：4022393