РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ КЛАССИФИКАЦИИ ВИДЕОИНФОРМАЦИИ
Ключевые слова:
Глубокое обучение, информационный поток, модель классификации, видеоконтент, компьютерное зрениеАннотация
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.
