基于深度学习的短视频中物体检测与内容推荐的研究

发布时间：2021-05-13 17:26

　　随着移动互联网时代基础设备与网络环境的优化改善,消费者的生活娱乐习惯发生了巨大转变。网络的内容主流和用户交流媒介正在由文本向图片或者视频过渡,视频移动化趋势势不可挡,并催生了短视频行业的迅猛发展。短视频承载信息大,用户创作门槛低,易于传播与分享,满足用户社交需求,且符合用户碎片化消费习惯,因而短视频正成为新的内容传播媒介。因其强大的用户粘性和行业规模,短视频行业正成为一个重要的新的“内容变现”实现场景。内容变现最直接的方式还是广告投放。近年来,广告投放呈现出从个人电脑端往移动端迁移的趋势。但是以往长视频在视频前、中、后插播一段广告的贴片方式不适合时间短的短视频,严重影响用户体验。短视频的题材较丰富,单一视频的内容有限,主题明确,因此短视频并不适合盲目无针对性地投放广告。现阶段市场十分需要一种适于短视频的广告投放方式。随着计算机视觉技术的发展,使得物体级的视频检测成为一种可能。本文依据高相关,低打扰,短而精的准则,提出了一种基于深度学习的视频物体检测与内容推荐系统方案。通过视频中的物体检测和识别,将视频内容与相关的产品内容进行匹配,进而提升投放广告的有效性,均衡广告推荐和用户体验。根据短... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 视频广告综述
        1.2.2 短视频广告投放方式
        1.2.3 物体级视频广告投放技术
        1.2.4 物体检测与分类技术的应用
        1.2.5 内容推荐技术
        1.2.6 物体级短视频广告推荐
    1.3 本文的主要研究内容和工作
        1.3.1 运行场景与工作模式
        1.3.2 云端模式
        1.3.3 移动终端模式
        1.3.4 本文主要工作
    1.4 本文组织架构
第二章 系统核心技术
    2.1 全连接神经网络与卷积神经网络
    2.2 物体检测技术
        2.2.1 基于滑动窗口的传统方法
        2.2.2 基于区域候选的深度学习的物体检测方法
    2.3 关键帧提取技术
        2.3.1 基本定义
        2.3.2 关键帧提取技术
        2.3.3 关键帧提取方法的选择
    2.4 安卓视频播放器框架
        2.4.1 安卓系统介绍
        2.4.2 安卓播放器相关原理
    2.5 本章小结
第三章 云端模式系统设计
    3.1 系统架构设计
    3.2 主要功能模块设计
        3.2.1 视频帧获取模块
        3.2.2 关键帧提取模块
        3.2.3 物体检测模块
        3.2.4 广告匹配
        3.2.5 移动端展示
        3.2.6 推荐系统模块
    3.3 云端模式下视频处理方案
    3.4 关键帧提取模块
    3.5 物体检测与识别模型
    3.6 推荐系统
        3.6.1 基于反馈的推荐系统
        3.6.2 推荐系统实现与细节设置
    3.7 本章小结
第四章 移动终端模式系统设计
    4.1 移动终端模式视频处理方案
    4.2 研发播放器内核提取关键帧
    4.3 物体检测与识别轻量级模型
    4.4 数据集类别裁剪
    4.5 本章小结
第五章 系统实现与测试
    5.1 系统架构设计
        5.1.1 云端预处理层
        5.1.2 网络接口层
        5.1.3 客户端层和视频展示层
    5.2 软件功能模块
    5.3 相关参数实验
        5.3.1 关键帧采样测试实验
        5.3.2 喜好阈值设置实验
    5.4 深度学习模型训练与测试
        5.4.1 软硬件环境与深度学习平台
        5.4.2 数据集与模型训练
    5.5 系统及性能测试
        5.5.1 物体检测模块测试与分析
        5.5.2 内容推荐模块测试与分析
        5.5.3 基于反馈的推荐系统测试
        5.5.4 系统其它性能测试
    5.6 误差分析
        5.6.1 画面模糊
        5.6.2 图像分辨率
    5.7 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 本文工作展望
参考文献
攻读硕士学位期间取得的科研成果
致谢


【参考文献】：
期刊论文
[1]基于深度学习神经网络的SAR星上目标识别系统研究[J]. 袁秋壮,魏松杰,罗娜.  上海航天. 2017(05)
[2]基于深度学习的遥感影像城市扩展方法研究[J]. 韩洁,李盛阳,张涛.  载人航天. 2017(03)
[3]基于深度学习的战场态势评估综述与研究展望[J]. 朱丰,胡晓峰.  军事运筹与系统工程. 2016(03)
[4]基于深度学习的光学遥感机场与飞行器目标识别技术[J]. 牛新,窦勇,张鹏,曹玉社.  大数据. 2016(05)
[5]基于SVM的模糊图像识别[J]. 王小莹,易尧华.  包装工程. 2016(13)
[6]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲.  计算机应用. 2016(02)
[7]第1讲 深度学习:开启人工智能的新纪元[J]. 李轶南,张雄伟,李治中,吴海佳,孙久皓.  军事通信技术. 2015(04)
[8]基于内容的Web个性化推荐技术研究[J]. 岑咏华,甘利人,丁晟春.  图书情报工作. 2003(08)

硕士论文
[1]面向视频内容的广告定向投放方法研究[D]. 曹雄.哈尔滨工业大学 2014
[2]Android平台上音视频系统的研究及播放器开发[D]. 张小菲.西安电子科技大学 2012



本文编号：3184423