一种新的细粒度视频标签机制及其应用研究

摘要

如今，信息技术的高速发展让海量的多媒体数据与人们的生活息息相关。在这样的背景下，如何获取更复杂的多媒体信息数据得到了人们越来越多的关注。而在多媒体数据中，视频数据相对于其他类型的多媒体数据来说，其包含的信息更加复杂也更加丰富。要如何准确地得到视频数据中包含的信息也随之成为人们愈加关注的研究热点。视频细粒度标签的生成，是获取视频语义和视频中的隐藏信息的关键，同时也是视频检索领域的重点和难点。
　　本文先通过对传统的细粒度视频标签提取机制的分析，针对传统方法的缺点及不足，提出了一种新的细粒度视频标签机制。新的机制分三步完成：首先，使用卷积神经网络对视频每一帧的内容进行识别；然后整合识别结果；最后，对这些细粒度标签进行再提取。新的机制解决了传统方法的不足，获得了远比传统方法更准确的细粒度视频标签。随后，本文根据提出的这种新的细粒度标签机制，构建了一个细粒度视频标签分析系统，以实现对用户上传的视频进行细粒度视频标签的生成。最后通过结合工业界现状以及当前的技术背景和需求，从理论上和策略上讨论了细粒度视频标签的应用，包括基于视频细粒度标签的定向广告服务，以及基于细粒度标签的视频检索和推荐。

目录

声明

第1章 绪论

1.1 研究的背景和意义

1.2 研究现状

1.3 本文主要创新点

1.4 本文结构简介

第2章 相关技术及原理

2.1 传统视频标签分析技术

2.2 卷积神经网络

2.3 基于卷积神经网络的图像识别技术

2.4 本章小结

第3章 一种新的细粒度视频标签机制

3.1 识别视频帧内容

3.2 标签结果的整合与再提取

3.3 本章小结

第4章 基于新的机制的细粒度标签分析系统

4.1 系统总体设计

4.2 用例分析

4.3 关键用例实现

4.4 数据存储设计

4.5 各模块的详细设计与实现

4.6 系统测试

4.7 本章小结

第5章 细粒度视频标签的应用讨论

5.1 细粒度视频标签应用分析

5.2 基于视频内容的定向广告服务

5.3 基于细粒度标签的视频检索和视频推荐

5.4 本章小结

第6章 总结与展望

6.1 本文工作总结

6.2 未来工作展望

参考文献

致谢