YouTube视频缩略图及频道分类数据集
数据来源：互联网公开数据
标签：YouTube,视频,缩略图,频道,分类,多媒体,内容分析,机器学习,计算机视觉
数据概述：
本数据集包含了YouTube视频的缩略图图像信息，并按照视频所属频道进行了分类。数据集与“YouTubers-Sayting-things”数据集关联，使用相同的视频ID进行构建和更新。对于部分未设置缩略图的视频，YouTube会自动选取视频内的随机帧作为缩略图，这类情况在数据集中将不包含图像数据。
数据涵盖了多个频道和视频类别，具体分类信息如下：
喜剧（Comedy）：Brooklyn Nine-Nine, DRIVETRIBE, Incognito Mode, Internet Historian, Joma Tech, Key & Peele, OverSimplified, Parks and Recreation, penguinz0, Screen Junkies, Team Coco, The Graham Norton Show, The Grand Tour, The Office, Top Gear
科学（Science）：3Blue1Brown, Dr. Becky, ElectroBOOM, Kurzgesagt – In a Nutshell, Lex Clips, Mark Rober, NileRed, PBS Space Time, SEA, SmarterEveryDay, Veritasium, Vsauce
汽车（Automobile）：Car Throttle, carwow, ChrisFix, Donut Media, DRIVETRIBE, The Grand Tour, The Stig, TheStraightPipes, Throttle House, Top Gear
游戏（VideoGames）：EpicNameBro, gameranx, jacksepticeye, Let's Game It Out, LevelCapGaming, LGR, Markiplier, Shroud, TheWarOwl, videogamedunkey
美食（Food）：About To Eat, Bon Appétit, Eater, Epicurious, First We Feast, FoodTribe, Gordon Ramsay, Hell's Kitchen, Munchies, Mythical Kitchen, The F Word
娱乐（Entertainment）：Brooklyn Nine-Nine, BuzzFeedVideo, Doctor Who, First We Feast, MrBeast, Parks and Recreation, Screen Junkies, Team Coco, The Graham Norton Show, The Office, The Try Guys
资讯（Informative）：Barely Sociable, Captain Disillusion, CNET, Coder Coder, Internet Historian, JCS - Criminal Psychology, LEMMiNO, OverSimplified, Sam O'Nella Academy, The Infographics Show, Vox
博客（Blog）：Abroad in Japan, CDawgVA, DramaAlert, Drew Gooden, Incognito Mode, Joma in NYC, JRE Clips, Lex Clips, MrBeast, penguinz0, The Try Guys
新闻（News）：A&E, BBC News, Insider News, NBC News, NowThis News, Sky News, SomeGoodNews, TechLinked, The Daily Show with Trevor Noah, VICE
科技（Tech）：Austin Evans, Coder Coder, Fireship, Hardware Canucks, Joma Tech, Linus Tech Tips, Marques Brownlee, TechLinked, Techquickie, Web Dev Simplified
数据用途概述：
该数据集可用于多个研究和应用场景，包括：
1. 图像识别与分类： 训练和评估图像识别模型，对YouTube缩略图进行自动分类。
2. 内容分析： 研究不同类型视频的缩略图设计趋势，分析缩略图与视频内容的关联。
3. 推荐系统： 基于缩略图的视觉特征，构建更精准的视频推荐系统。
4. 用户行为分析： 研究用户对不同类型缩略图的点击偏好，为视频创作者提供优化建议。
5. 机器学习训练： 为计算机视觉和机器学习算法提供训练数据。
