近年來隨著互聯網及移動通訊技術的迅猛發展,各種類型的多媒體數據呈爆炸性增長,特別是視頻數據,因其形象、生動的特性逐漸成為互聯網用戶獲取信息的重要數據形式,各種電視劇、電影等豐富視頻資源在視頻網站和平臺的廣泛傳播更是加速了這一趨勢。同時,短視頻平臺的興起,為互聯網用戶快速上傳和下載視頻內容也提供了便利。大量視頻數據源源不斷地產生,在豐富互聯網用戶文化娛樂生活的同時,也為互聯網視頻的搜索和推薦帶來了一系列挑戰。如何將用戶想要的結果從海量視頻數據中檢索出來已成為當下一個研究熱點。基于內容的視頻哈希檢索方法正是解決這一問題的一個可行方案。基于內容的視頻哈希檢索方法通過將視頻內容信息映射成離散的二值碼,即映射成哈希碼,來實現大規模視頻數據的準確和快速檢索。由于映射成的哈希碼是離散的,可以通過快速的異或操作來計算不同視頻之間的海明距離,大大降低了計算復雜度和存儲空間。現有的視頻哈希檢索方法大多將視頻中每一幀的重要性同等看待。然而,在實際應用中,視頻幀與幀之間的重要性是不同的。因此,應該考慮視頻不同幀的重要性的差別來設計視頻哈希算法。基于這一動機,本論文提出了一種基于注意力機制的視頻哈希檢索方法。該方...

【文章頁數】：59 頁

【學位級別】：碩士

【部分圖文】：

圖２－１哈希學習思想示例Ｗ??哈希學習可以將文本、圖像、視頻等類型的數據映射成一段較短的哈希碼，??

?山東大學碩士學位論文???第２章相關技術介紹??在本章中，首先對哈希學習進行簡單的介紹。然后詳細介紹本文方法中所使??用的各種相關技術，包括卷積神經網絡，長短期記憶神經網絡和注意力機制。??２．１哈希學習??隨著互聯網技術的發展，海量的數據被互聯網用戶上傳到互聯網上，其中尤??....

圖２－２ＶＧＧ－１６?（?

?山東大學碩士學位論文???在本方法中，我們使用ＶＧＧ網絡來提取視頻中每一幀的特征。ＶＧＧ網絡結??構相對比較簡單，通過卷積層的疊加來學習圖像的高級特征，ＶＧＧ－１６和ＶＧＧ－??１９的網絡結構圖如圖２－２?（ａ）和圖２－２?（ｂ）所示。??（?（?＂１??２２４＊２２４?圖像?....

圖２－３長短期記憶神經網絡結構圖??長短期記憶神經網絡包括一個輸入門，一個輸出門，一個遺忘門和兩個狀態??

列中的長期依賴信息。梯度消失問題與梯度爆炸問題是??由于權重矩陣循環相乘導致的。解決梯度爆炸問題可以采用截斷的方式。通過設??置一個臨界值，將大于臨界值的梯度的值截斷為該臨界值。然而，該方法會在一??定程度上改變梯度的方向。梯度消失問題無法使用截斷的方式來進行處理。如果??采用截....

圖２＊４圖像中的注意力機制［５４１??２．４．２自然語言處理中的注意力機制??

?山東大學碩士學位論文???的位置。如圖２－４所示，圖像中紅色的區域表示注意力集中地地方，而藍色的區??域代表人類的注意力不在這個位置。當人類看到圖２－４左上角圖像時，會自動將??注意力集中在圖像中的狗身上，因此紅色區域主要集中在狗身上；同樣地，當人??類看到圖２＊４右上角的圖像....

本文編號：4051924