声明
摘要
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
2.3.2 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