基于深度學習的重復視頻檢測.pdf

1、近兩年來，隨著深度學習的快速發(fā)展，傳統方法無法解決的問題正在不斷被攻克。特別是在圖像、語音和文本領域，深度學習的技術結合更高性能的GPU計算，已經逐漸成為一種趨勢。在互聯網時代，多媒體視頻作為一個重要的數據載體，在信息傳播中發(fā)揮著巨大的作用。然而信息膨脹，給多媒體視頻的檢索帶來了挑戰(zhàn)。重復視頻檢測，不僅可以減少冗余信息的傳播，也在保護版權和防止不良視頻傳播中起到了作用。
　　基于內容的重復視頻檢索，一般可以分為三個部分，1.關鍵幀

2、提取2.特征提取和索引3.匹配過濾。當前的方法中，大多都是利用圖像的局部特征。隨著深度學習的興起，卷積神經網絡在圖像識別和檢索中取得了很好的效果，但并沒有被廣泛應用到視頻檢索的相關領域之中。
　　本文的主要工作有兩個，一個是提出了比較快速的視頻關鍵幀提取的方法，適用于時長不超過30分鐘的短視頻;另一個是比較了卷積神經網絡的圖像特征和局部點的SIFT特征在重復視頻檢索中的效果。在關鍵幀提取中，本文從性能和效果出發(fā)，分別提出了基于鏡頭