Multi-label multi-modal classification of movie scenes
Film sahnelerinin çok etiketli karma model ile sınıflandırılması
- Tez No: 763348
- Danışmanlar: PROF. DR. HALİL ALTAY GÜVENİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayarlı görüntüleme, Derin öğrenme, Fragman, Sahne tanıma, Computer imaging, Deep learning, Trailer, Scene recognition
- Yıl: 2022
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Filmleri fragmanları aracılı ̆gıyla tanıtmak, izleyicilerin ve yatırımcıların filmin gelecekteki ba ̧sarısı hakkında beklentiler olu ̧sturmasına yardımcı olabilecek de ̆gerli bilgiler sa ̆glar. Yakın zamanda yapılan ara ̧stırmalar, izleyicilerin sinema salonları yerine evde dijital yayın platformları aracılı ̆gıyla film izlemeyi tercih etti ̆gini do ̆gruladı ve bu da film fragmanlarının ki ̧siye ̈ozel olarak g ̈osterilmesine neden oldu. Ayrıca, farklı ilgi grupları i ̧cin olu ̧sturulan reklamlar, hem kullanıcılar hem de reklam verenler i ̧cin ̈onemli derecede iyile ̧stirilmi ̧s bir deneyim sa ̆glayabilir. Gecmi ̧ste fragman olu ̧sturma s ̈urecini otomatikle ̧stirmek i ̧cin birka ̧c giri ̧simde bulunuldu, ancak yapay zeka tarafından olu ̧sturulan fragmanlar, edit ̈orlerin yarattıklarından daha az ̧cekici olarak kabul edildi. Derin ̈o ̆grenmedeki en son geli ̧smelerin kullanımı ve veri k ̈umelerinin daha fazla kullanılabilirli ̆gi, otomatik fragman olu ̧sturma s ̈urecini hızlandırabilir. ̈Uretilen her film, temsil etti ̆gi bir dizi t ̈urle etiketlenmi ̧stir. B ̈oylece her filmin temsil etti ̆gi her t ̈ur i ̧cin ayrı fragmanını olu ̧sturularak izleyiciye ki ̧siselle ̧stirilmi ̧s reklam sunulabilir. Bildi ̆gimiz kadarıyla, t ̈ure ̈ozel fragmanlar aracılı ̆gıyla filmlerin ki ̧siselle ̧stirilmi ̧s reklamları, otomatik fragman olu ̧sturma ̧calı ̧smalarında ilk deneme olacaktır. Bu g ̈orev icin belirli bir filmden belirli bir t ̈ur ̈un temsili sahnelerini ̧cıkaran bir araca gereksinimiz vardır. Bu sahneler her t ̈ur i ̧cin bir fragman tasla ̆gı olu ̧sturmak uzere birlestirilir. Taslak, yaratıcı post prod ̈uksiyon s ̈urecinden ge ̧cirilir. Bu tezde, sahneleri bir dizi t ̈ure ayıran bir derin ̈o ̆grenme a ̆gı geli ̧stirdik. Bu a ̆gı e ̆giten bir ̈o ̆grenim veri seti olu ̧sturmak i ̧cin, temsili t ̈urleriyle etiketlenmi ̧s bir dizi sahne derledik. Ağımız, deneysel ikili modellerden ̈o ̆grenilen hiper parametrelerle ̧cok etiketli bir sınıflandırma g ̈orevini yerine getirdi. ̈O ̆grenme s ̈ureci, g ̈orsel ̈ozelliklerin, işitsel ̈ozelliklerin ve bunların kombinasyonunun kullanımını i ̧cererek ger ̧cekle ̧sti. Modelin nihai sonucundaki sınıflandırma performansı, insan algısı ile karsılastırılarak degerlendirildi.
Özet (Çeviri)
Promoting movies through their trailers provides valuable information that can help viewers and investors form expectations about the movie's future success. Recent research confirmed that the audience prefers to watch movies through at-home-streaming services rather than at the theaters which resulted in movie trailers being shown privately. Moreover, advertisements created for different interest groups can provide a drastically improved experience for users and advertisers alike. There have been few attempts to automatize the trailer generation process however, AI-generated trailers were considered less attractive than editors' creations. Fortunately, the use of the most recent advancements in deep learning and the greater availability of datasets can accelerate the automated trailer generation process. Every movie produced is labeled with a set of genres that it represents. Thus, it is possible to generate multiple trailers of the same movie for different genres to offer personalized advertisements to the audience. To the best of our knowledge, personalized advertisements of movies via genre-specific trailers will be the first attempt in the automated trailer generation studies. For this task, we needed a tool that extracts representative scenes of a particular genre from a given movie. Then, these scenes can be concatenated to form a draft of a trailer for each genre. The draft can be finalized through the creative post-production process. In this thesis, we developed a deep learning network that classifies scenes into a set of genres. In order to construct a training dataset to train this network, we compiled a set of scenes that are labeled with their representative genres. Our network accomplishes a multi-label classification task with hyperparameters learned from experimental binary models. The learning process comprises the use of visual features, audio features, and their combination. The final result of the model is evaluated by comparing its classification performance with human perception
Benzer Tezler
- Çok etiketli sınıflandırma problemleri için makine öğrenimi yaklaşımları
Machine learning approaches for multilabel classification problems
FATIMA ZEHRA ÜNAL
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SERDAR GÜZEL
- Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach
Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması
BURAK EKİM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Multi-label classification of 12-lead ECG signal using a mixture-of-experts transformer model
Uzmanların karışımı bazlı dönüştürücü modeli ile 12 kanallı EKG sinyalinin çok etiketli sınıflandırılması
ATALAY ÇELİK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Multi-label classification of text document using deep learning
Derin öğrenme kullanan metin belgelerinin çoklu etiket sınıflandırılması
HAMZA HARUNA MOHAMMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR
DR. ÖĞR. ÜYESİ ROYA CHOUPANI
- SS-MLA: A novel solution for multi-label classification of remotely sensed images
Ss-mla: Uzaktan algılamalı görüntülerin çok etiketli sınıflandırması için yeni bir çözüm
TOLGA ÜSTÜNKÖK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. KASIM MURAT KARAKAYA