基于深度学习的短视频内容分析算法研究.pdf

《基于深度学习的短视频内容分析算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的短视频内容分析算法研究RESEARCHONSHORTVIDEOCONTENTANAYLYSISALGORITHMBASEDONDEEPLEARNING李夏南哈尔滨工业大学2018年6月国内图书分类号：TP311学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于深度学习的短视频内容分析算法与实现硕士研究生：李夏南导师：王宏志教授副导师夏拓工程师申请学位：工程硕士学科：软件工程所在单位：计算机科学与技术学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP311U.D.C:621.3

2、DissertationfortheMasterDegreeinEngineeringRESERCHANDIMPLEMENTATIONOFSHORTVIDEOCONTENTANALYSISALGORITHMBASEEDONDEEPLEARNINGCandidate：LiXiananSupervisor：Prof.WangHongzhiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：SoftwareEngineeringAffiliation：SchoolofComputerScienceDateofDefe

3、nce：June,20Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要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

4、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Dro

5、pout层LSTM，进行实验对比分析，选出最优的模型。3）进一步采用特征选择，对每一个视频增加特征维度信息，更好的对视频进行分类。最后，对视频中的音频进行分析，采用FFmeg提取出音频的特征向量，采用迁移学习的思想，建立分类模型，对音频进行三分类，分别是音乐，对话，噪声，调参调优，达到高准确率。再将音频分类结果加入到视频基础维度信息中，帮助视频进行更好的识别分类。目前建立的三个模型已全部上线，提升了微博视频推荐业务的上亿用户的用户体验，选出更优质的视频推送给微博短视频用户。关键词：视频内容分析；音频分类；色情图像识别；长短期记忆网络IAbstractAbstractW

6、iththerapiddevelopmentoftheInternetandtherapidimprovementofsmartphonetechnology,alargenumberofshortvideosaresharedviasocialplatformseveryminute.Therefore,videocontentanalysisisaveryimportantandpopularworkformachinelearningandartificialintelligence.Foralarge-scaleuser-originatedproductio

7、nofvideocontent,howtoconductafull-scaleanalysisisaverydifficultmatter,howtofilteroutbadillegalcontentfromalargenumberofuser-issuedshortvideo,selecthigh-qualityvideoforsharingwithotherusers,improvetheentireuserThequalityofdistributionplatformvideoisalsoatoppriority.Thisarticlean