基于深度学习的短视频中物体检测与内容推荐的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 视频广告综述 | 第15-16页 |
| 1.2.2 短视频广告投放方式 | 第16页 |
| 1.2.3 物体级视频广告投放技术 | 第16-17页 |
| 1.2.4 物体检测与分类技术的应用 | 第17-19页 |
| 1.2.5 内容推荐技术 | 第19-20页 |
| 1.2.6 物体级短视频广告推荐 | 第20页 |
| 1.3 本文的主要研究内容和工作 | 第20-23页 |
| 1.3.1 运行场景与工作模式 | 第20-21页 |
| 1.3.2 云端模式 | 第21-22页 |
| 1.3.3 移动终端模式 | 第22-23页 |
| 1.3.4 本文主要工作 | 第23页 |
| 1.4 本文组织架构 | 第23-25页 |
| 第二章 系统核心技术 | 第25-40页 |
| 2.1 全连接神经网络与卷积神经网络 | 第25-29页 |
| 2.2 物体检测技术 | 第29-34页 |
| 2.2.1 基于滑动窗口的传统方法 | 第29-30页 |
| 2.2.2 基于区域候选的深度学习的物体检测方法 | 第30-34页 |
| 2.3 关键帧提取技术 | 第34-37页 |
| 2.3.1 基本定义 | 第34页 |
| 2.3.2 关键帧提取技术 | 第34-36页 |
| 2.3.3 关键帧提取方法的选择 | 第36-37页 |
| 2.4 安卓视频播放器框架 | 第37-39页 |
| 2.4.1 安卓系统介绍 | 第38页 |
| 2.4.2 安卓播放器相关原理 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 云端模式系统设计 | 第40-52页 |
| 3.1 系统架构设计 | 第40-41页 |
| 3.2 主要功能模块设计 | 第41-42页 |
| 3.2.1 视频帧获取模块 | 第41页 |
| 3.2.2 关键帧提取模块 | 第41页 |
| 3.2.3 物体检测模块 | 第41页 |
| 3.2.4 广告匹配 | 第41-42页 |
| 3.2.5 移动端展示 | 第42页 |
| 3.2.6 推荐系统模块 | 第42页 |
| 3.3 云端模式下视频处理方案 | 第42-44页 |
| 3.4 关键帧提取模块 | 第44-45页 |
| 3.5 物体检测与识别模型 | 第45-48页 |
| 3.6 推荐系统 | 第48-51页 |
| 3.6.1 基于反馈的推荐系统 | 第48-50页 |
| 3.6.2 推荐系统实现与细节设置 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 移动终端模式系统设计 | 第52-58页 |
| 4.1 移动终端模式视频处理方案 | 第52-53页 |
| 4.2 研发播放器内核提取关键帧 | 第53-54页 |
| 4.3 物体检测与识别轻量级模型 | 第54-57页 |
| 4.4 数据集类别裁剪 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 系统实现与测试 | 第58-75页 |
| 5.1 系统架构设计 | 第58-62页 |
| 5.1.1 云端预处理层 | 第58-59页 |
| 5.1.2 网络接口层 | 第59-61页 |
| 5.1.3 客户端层和视频展示层 | 第61-62页 |
| 5.2 软件功能模块 | 第62-63页 |
| 5.3 相关参数实验 | 第63-66页 |
| 5.3.1 关键帧采样测试实验 | 第63-64页 |
| 5.3.2 喜好阈值设置实验 | 第64-66页 |
| 5.4 深度学习模型训练与测试 | 第66-70页 |
| 5.4.1 软硬件环境与深度学习平台 | 第66-67页 |
| 5.4.2 数据集与模型训练 | 第67-70页 |
| 5.5 系统及性能测试 | 第70-73页 |
| 5.5.1 物体检测模块测试与分析 | 第70-72页 |
| 5.5.2 内容推荐模块测试与分析 | 第72-73页 |
| 5.5.3 基于反馈的推荐系统测试 | 第73页 |
| 5.5.4 系统其它性能测试 | 第73页 |
| 5.6 误差分析 | 第73-74页 |
| 5.6.1 画面模糊 | 第73-74页 |
| 5.6.2 图像分辨率 | 第74页 |
| 5.7 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文工作总结 | 第75页 |
| 6.2 本文工作展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
