РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ КЛАССИФИКАЦИИ ВИДЕОИНФОРМАЦИИ
Аннотация
Статья посвящена решению научной задачи классификации видеоконтента в услови- ях увеличения объемов информации. Компьютерное зрение является весьма актуальной областью применения технологий искусственного интеллекта для расширения возможно- стей различных поисковых и архивных систем. Авторами даны определения основным терминам исследуемой предметной области. Представлена формализованная постановка решаемой задачи. Приведена развернутая классификация возможных вариантов решения поставленной задачи. С быстрым развитием информационных технологий цифровой кон- тент демонстрирует тенденцию к взрывному росту. Классификация спортивных видео имеет большое значение для архивирования цифрового контента на сервере. Многие алго- ритмы интеллектуального анализа данных и машинного обучения достигли больших успе- хов во многих областях для применения (таких как классификация, регрессия и кластериза- ция). Однако большинство этих алгоритмов имеют общий недостаток, когда обучающая и тестовая выборки находятся в одном и том же пространстве признаков и подчиняются одному и тому же распределению. В этой статье рассматривается значимость решения задачи классификации видео и автоматического аннотирования содержания видеоинфор- мации, а также разработана модель на основе глубокого обучения и больших данных. В рамках данного исследования авторами была разработана модель, которая повышает качество классификации видео, что позволяет улучшить результаты поиска. Результа- ты вычислительного эксперимента показывают, что предложенная модель может э ф- фективно использоваться для распределения по классам видео событий в рамках спо р- тивной предметной области на основе применения сверточной нейронной сети. При этом, обеспечивается высокая точность классификации видео спортивных тренировок. По сравнению с другими моделями предлагаемая имеет преимущества простой реализа- ции, быстрой скорости обработки, высокой точности классификации а также высокой способности к обобщению.
