Tekoälypohjainen videodatan indeksointi
Pesu, Joel (2022)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022100120712
https://urn.fi/URN:NBN:fi:amk-2022100120712
Tiivistelmä
Videodatan määrän jatkuvasti kasvaessa on tullut haastavaksi löytää etsimänsä nopeasti. Käyttöjärjestelmien hakumenetelmät eivät mahdollista videosisällön perusteella tiedostojen etsimistä. Hakemisen helpottamiseksi videosisältöä tulee voida indeksoida sisällön mukaan. Tekoälyn hyödyntäminen on mahdollistanut kuvadatan tulkitsemisen ihmissilmän tarkkuudella ja siksi tässä opinnäytetyössä tarkoituksena oli löytää soveltuvin neuroverkkoarkkitehtuuri videosisällön indeksointiin.
Opinnäytetyössä käytettiin dokumenttianalyysia tutkittaessa olemassa olevia vaihtoehtoja neuroverkkoarkkitehtuurin löytämiseksi. Konstruktiivisella tutkimuksella opinnäytetyössä iteroitiin eri neuroverkkoarkkitehtuureja ja empiirisesti testattiin niiden toimivuutta käytännössä. Kokeiltuja arkkitehtuureja olivat: konvoluutioneuroverkko ResNet50, siamilainen konvoluutioneuroverkko ja Autoencoder. Opinnäytetyössä pyrittiin ratkaisemaan neuroverkkomallin sovittaminen vähäisellä datamäärällä. Soveltuvimmaksi arkkitehtuuriksi valittiin siamilainen konvoluutioneuroverkko Precision-lukemalla 78,2 % ja siitä innovoitiin ja kehitettiin prototyyppipalvelu. Prototyyppipalvelun toimivuutta testattiin käytännössä rajatulla materiaalilla. Prototyyppipalvelun kelvolliset tulokset kannustivat projektin jatkokehitykseen. Lopuksi opinnäytetyössä esitettiin mahdollisia jatkokehitystoimenpiteitä palvelun parantamiseksi.
Opinnäytetyössä käytettiin dokumenttianalyysia tutkittaessa olemassa olevia vaihtoehtoja neuroverkkoarkkitehtuurin löytämiseksi. Konstruktiivisella tutkimuksella opinnäytetyössä iteroitiin eri neuroverkkoarkkitehtuureja ja empiirisesti testattiin niiden toimivuutta käytännössä. Kokeiltuja arkkitehtuureja olivat: konvoluutioneuroverkko ResNet50, siamilainen konvoluutioneuroverkko ja Autoencoder. Opinnäytetyössä pyrittiin ratkaisemaan neuroverkkomallin sovittaminen vähäisellä datamäärällä. Soveltuvimmaksi arkkitehtuuriksi valittiin siamilainen konvoluutioneuroverkko Precision-lukemalla 78,2 % ja siitä innovoitiin ja kehitettiin prototyyppipalvelu. Prototyyppipalvelun toimivuutta testattiin käytännössä rajatulla materiaalilla. Prototyyppipalvelun kelvolliset tulokset kannustivat projektin jatkokehitykseen. Lopuksi opinnäytetyössä esitettiin mahdollisia jatkokehitystoimenpiteitä palvelun parantamiseksi.