隨著移動互聯(lián)網(wǎng)時代基礎(chǔ)設(shè)備與網(wǎng)絡(luò)環(huán)境的優(yōu)化改善,消費者的生活娛樂習(xí)慣發(fā)生了巨大轉(zhuǎn)變。網(wǎng)絡(luò)的內(nèi)容主流和用戶交流媒介正在由文本向圖片或者視頻過渡,視頻移動化趨勢勢不可擋,并催生了短視頻行業(yè)的迅猛發(fā)展。短視頻承載信息大,用戶創(chuàng)作門檻低,易于傳播與分享,滿足用戶社交需求,且符合用戶碎片化消費習(xí)慣,因而短視頻正成為新的內(nèi)容傳播媒介。因其強大的用戶粘性和行業(yè)規(guī)模,短視頻行業(yè)正成為一個重要的新的“內(nèi)容變現(xiàn)”實現(xiàn)場景。內(nèi)容變現(xiàn)最直接的方式還是廣告投放。近年來,廣告投放呈現(xiàn)出從個人電腦端往移動端遷移的趨勢。但是以往長視頻在視頻前、中、后插播一段廣告的貼片方式不適合時間短的短視頻,嚴(yán)重影響用戶體驗。短視頻的題材較豐富,單一視頻的內(nèi)容有限,主題明確,因此短視頻并不適合盲目無針對性地投放廣告。現(xiàn)階段市場十分需要一種適于短視頻的廣告投放方式。隨著計算機視覺技術(shù)的發(fā)展,使得物體級的視頻檢測成為一種可能。本文依據(jù)高相關(guān),低打擾,短而精的準(zhǔn)則,提出了一種基于深度學(xué)習(xí)的視頻物體檢測與內(nèi)容推薦系統(tǒng)方案。通過視頻中的物體檢測和識別,將視頻內(nèi)容與相關(guān)的產(chǎn)品內(nèi)容進行匹配,進而提升投放廣告的有效性,均衡廣告推薦和用戶體驗。根據(jù)短... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視頻廣告綜述
        1.2.2 短視頻廣告投放方式
        1.2.3 物體級視頻廣告投放技術(shù)
        1.2.4 物體檢測與分類技術(shù)的應(yīng)用
        1.2.5 內(nèi)容推薦技術(shù)
        1.2.6 物體級短視頻廣告推薦
    1.3 本文的主要研究內(nèi)容和工作
        1.3.1 運行場景與工作模式
        1.3.2 云端模式
        1.3.3 移動終端模式
        1.3.4 本文主要工作
    1.4 本文組織架構(gòu)
第二章 系統(tǒng)核心技術(shù)
    2.1 全連接神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)
    2.2 物體檢測技術(shù)
        2.2.1 基于滑動窗口的傳統(tǒng)方法
        2.2.2 基于區(qū)域候選的深度學(xué)習(xí)的物體檢測方法
    2.3 關(guān)鍵幀提取技術(shù)
        2.3.1 基本定義
        2.3.2 關(guān)鍵幀提取技術(shù)
        2.3.3 關(guān)鍵幀提取方法的選擇
    2.4 安卓視頻播放器框架
        2.4.1 安卓系統(tǒng)介紹
        2.4.2 安卓播放器相關(guān)原理
    2.5 本章小結(jié)
第三章 云端模式系統(tǒng)設(shè)計
    3.1 系統(tǒng)架構(gòu)設(shè)計
    3.2 主要功能模塊設(shè)計
        3.2.1 視頻幀獲取模塊
        3.2.2 關(guān)鍵幀提取模塊
        3.2.3 物體檢測模塊
        3.2.4 廣告匹配
        3.2.5 移動端展示
        3.2.6 推薦系統(tǒng)模塊
    3.3 云端模式下視頻處理方案
    3.4 關(guān)鍵幀提取模塊
    3.5 物體檢測與識別模型
    3.6 推薦系統(tǒng)
        3.6.1 基于反饋的推薦系統(tǒng)
        3.6.2 推薦系統(tǒng)實現(xiàn)與細節(jié)設(shè)置
    3.7 本章小結(jié)
第四章 移動終端模式系統(tǒng)設(shè)計
    4.1 移動終端模式視頻處理方案
    4.2 研發(fā)播放器內(nèi)核提取關(guān)鍵幀
    4.3 物體檢測與識別輕量級模型
    4.4 數(shù)據(jù)集類別裁剪
    4.5 本章小結(jié)
第五章 系統(tǒng)實現(xiàn)與測試
    5.1 系統(tǒng)架構(gòu)設(shè)計
        5.1.1 云端預(yù)處理層
        5.1.2 網(wǎng)絡(luò)接口層
        5.1.3 客戶端層和視頻展示層
    5.2 軟件功能模塊
    5.3 相關(guān)參數(shù)實驗
        5.3.1 關(guān)鍵幀采樣測試實驗
        5.3.2 喜好閾值設(shè)置實驗
    5.4 深度學(xué)習(xí)模型訓(xùn)練與測試
        5.4.1 軟硬件環(huán)境與深度學(xué)習(xí)平臺
        5.4.2 數(shù)據(jù)集與模型訓(xùn)練
    5.5 系統(tǒng)及性能測試
        5.5.1 物體檢測模塊測試與分析
        5.5.2 內(nèi)容推薦模塊測試與分析
        5.5.3 基于反饋的推薦系統(tǒng)測試
        5.5.4 系統(tǒng)其它性能測試
    5.6 誤差分析
        5.6.1 畫面模糊
        5.6.2 圖像分辨率
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 本文工作展望
參考文獻
攻讀碩士學(xué)位期間取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的SAR星上目標(biāo)識別系統(tǒng)研究[J]. 袁秋壯,魏松杰,羅娜.  上海航天. 2017(05)
[2]基于深度學(xué)習(xí)的遙感影像城市擴展方法研究[J]. 韓潔,李盛陽,張濤.  載人航天. 2017(03)
[3]基于深度學(xué)習(xí)的戰(zhàn)場態(tài)勢評估綜述與研究展望[J]. 朱豐,胡曉峰.  軍事運籌與系統(tǒng)工程. 2016(03)
[4]基于深度學(xué)習(xí)的光學(xué)遙感機場與飛行器目標(biāo)識別技術(shù)[J]. 牛新,竇勇,張鵬,曹玉社.  大數(shù)據(jù). 2016(05)
[5]基于SVM的模糊圖像識別[J]. 王小瑩,易堯華.  包裝工程. 2016(13)
[6]基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦方法[J]. 楊武,唐瑞,盧玲.  計算機應(yīng)用. 2016(02)
[7]第1講 深度學(xué)習(xí):開啟人工智能的新紀(jì)元[J]. 李軼南,張雄偉,李治中,吳海佳,孫久皓.  軍事通信技術(shù). 2015(04)
[8]基于內(nèi)容的Web個性化推薦技術(shù)研究[J]. 岑詠華,甘利人,丁晟春.  圖書情報工作. 2003(08)

碩士論文
[1]面向視頻內(nèi)容的廣告定向投放方法研究[D]. 曹雄.哈爾濱工業(yè)大學(xué) 2014
[2]Android平臺上音視頻系統(tǒng)的研究及播放器開發(fā)[D]. 張小菲.西安電子科技大學(xué) 2012



本文編號：3184423