本文描述的技术针对用于索引视频的系统、方法和软件。在实施方式中，方法包括标识视频帧中的目标内容周围的一个或多个感兴趣区域。此外，该方法包括在感兴趣区域之外的帧的一部分中标识与感兴趣区域相邻的潜在空区域。该方法继续标识潜在空区域中的满足一个或多个标准的至少一个空区域，并将该至少一个空区域分类为目标内容的负样本。在一些实施方式中，目标内容的负样本位于目标内容的负样本集中，利用该负样本来训练用于标识目标内容的实例的机器学习模型。