Movie in Machine Learning

如果你实在是没有时间看电影，不妨让算法把相似的信息提取出来。

当然，目前的算法很粗糙，提取的信息也很朴实。

分析方法

把电影视频当作是图像序列，图像序列在一个一个的小段具有连续性，称为片断。

导演通过片断之间的顺序关系，讲述一个故事，就称为剪辑。

那么我就用工程师的无聊方法把这个过程反过来。

把图像当作是矩阵，黑白图像是二维矩阵，彩色图像是具有通道的RGB三维矩阵。

这样，电影的图像序列就变成了矩阵的连续流形

其中，。

接下来，对这个维度进行谱聚类。就是把单时间点的图像作为样本点，进行谱聚类。取得它们的类别标签。将类别标签绘制在原始时间轴上，如下图所示

类别标签示意图

根据类别标签，就可以实现相似图像的归类。

我选择了两部美剧的第一集作为例子，看看分析效果如何。

从结果上看，

所以进一步工作（如果有的话）的思路异常简单，就是找一个神经网络，它应该有区分图像内容的能力。之后用它提取的图像特征重复上面的聚类工作，希望新结果能够更加有效地提取场景并对它们进行归类。

分类：

后端

标签：

后端

作者介绍