基于深度学习的短视频中的物体检测与内容推荐系统研究

• 作者: 刘守印 石殷巧 马超
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 深度学习 物体检测 内容推荐 Faster R-CNN MobileNet
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 数据挖掘
• 页码范围: 69-76
• 页数: 8页
• 分类号: TP302
• 字数: 6774字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.11.014

摘要

近年来短视频发展迅猛,短视频广告投放具有良好的市场前景,但是以往长视频的贴片广告投放方式不适合短视频.本文依据高相关、低打扰、短而精的准则,提出一种基于深度学习的视频物体检测与内容推荐系统方案.根据短视频来源、网络环境等不同,本文介绍2种实现模式:云端模式和移动终端模式.云端模式由服务器、内容分发网络(Content Delivery Network,CDN)和终端组成,服务器可预先对CDN短视频进行物体检测和识别,将短视频与对应广告内容匹配,并在移动端播放.移动终端模式主要处理本地视频,在移动端有限的资源上完成短视频的物体检测和内容推荐.在算法上,移动终端模式下该系统采用深度学习轻量级模型MobileNet以提高检测速度和准确率,降低内存.在实现上,通过联合编译Java和C++代码提高算法运行效率,通过反馈系统减小物体类别数量,提高实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘守印	华中师范大学物理科学与技术学院	61	435	9.0	19.0
2	石殷巧	华中师范大学物理科学与技术学院	1	7	1.0	1.0
3	马超		1	7	1.0	1.0