Televīzijas satura klasificēšana

Abstract

Darbā tiek pētīta televīzijas satura klasificēšana pēc raidījuma žanra. Tiek apskatīti citu autoru veiktie pētījumi televīzijas žanru klasifikācijas un saistīto video klasifikācijas problēmu risināšanā. Darba praktiskās daļas ietvaros ir izveidota televīzijas ierakstu datu kopa un veikta uz tās balstītu klasifikatoru izstrāde. Izveidotā ierakstu marķēšanas metode ļauj vienā stundā apstrādāt aptuveni 18 stundas ierakstu. Precīzākais uz konvolūciju neironu tīklu iezīmēm izstrādātais klasifikators uzrādīja 81,8% klasifikācijas precizitāti, pārspējot visaugstāko precizitāti uzrādījušo uz zema līmeņa iezīmēm balstīto klasifikatoru, kas pareizi atzīmēja 75,3% validācijas kopas datu. Uz konvolūciju neironu tīkla bāzēts televīzijas reklāmu noteicējs uzrādīja 96,1% precizitāti.

This paper presents investigations on television content classification by genre of programme. It contains analysis of related work in television genre classification, and other video classification problems. During the work a new data set of television broadcasts is created and used in development of multiple genre classifiers. The developed video processing technique allows labelling of approximately 18 hours of recordings per hour. The best achieved accuracy of convolutional neural network-based classifier of 81,8% surpasses best achieved accuracy of a feature-based classifier of 75,3%. Best achieved television commercial detection accuracy of a convolution neural network reaches 96,1%.