2、微视频背景音乐自动匹配与肺部结节识别系统研究

微视频背景音乐自动匹配与肺部结节识别系统研究

1. 微视频背景音乐自动匹配

在当下，微视频的广泛传播已是不争的事实。然而，无论是以音乐为导向还是以视频为导向的视频制作方式，都无法完全表达视频创作者的想法，因为音乐类型固定，且寻找合适音乐耗时较长。为了解决这些问题，研究者提出了一种基于深度学习的微视频背景音乐自动匹配算法。

1.1 相关工作

• 神经网络模型 ：近年来，卷积神经网络（CNN）的发展极大地促进了图像场景识别的过程和实现。目前，CNN模型的设计思路基本朝着深度网络和更多卷积计算的方向发展。残差网络模型（Resnet）在人脸识别和场景识别问题上也取得了较高的准确率。在场景识别方面，Bolei Zhou等人在Places数据集上取得了很大的进展和效果，使用AlexNet、GoogLeNet、VGG等模型进行验证，top - 5的平均准确率为85.07%。
  |模型|Places365验证集Top - 1准确率|Places365验证集Top - 5准确率|Places365测试集Top - 1准确率|Places365测试集Top - 5准确率|
  | ---- | ---- | ---- | ---- | ---- |
  |GoogleNet|53.63%|83.88%|53.59%|84.01%|
  |VGG - 16|55.24%|84.91%|55.19%|85.01%|
  |ResNet50|54.74%|85.08%|54.65%|85.07%|

• 音乐合唱截取 ：微视频的时长通常限制在