| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 相关领域研究现状 | 第10-14页 |
| 1.2.1 目标检测 | 第11-12页 |
| 1.2.2 事件检测 | 第12-14页 |
| 1.3 论文研究成果 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 目标检测方法 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 区域选择算法 | 第18-20页 |
| 2.3 卷积神经网络 | 第20-23页 |
| 2.3.1 网络结构 | 第20-22页 |
| 2.3.2 网络训练 | 第22-23页 |
| 2.3.3 研究方向 | 第23页 |
| 2.4 基于候选区域的目标检测 | 第23-30页 |
| 2.4.1 R-CNN | 第23-25页 |
| 2.4.2 SPP-net | 第25-27页 |
| 2.4.3 Fast R-CNN | 第27-28页 |
| 2.4.4 Faster R-CNN | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于空间信息的事件检测 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 动作识别 | 第31-36页 |
| 3.2.1 动作识别库 | 第32-34页 |
| 3.2.2 基于手工特征的动作识别 | 第34-35页 |
| 3.2.3 基于深度网络的动作识别 | 第35-36页 |
| 3.3 TRECVID-SED及评测指标 | 第36-38页 |
| 3.4 基于关键姿态的事件检测 | 第38-46页 |
| 3.4.1 Embrace和Pointing事件检测 | 第39-40页 |
| 3.4.2 困难负样本挖掘 | 第40-41页 |
| 3.4.3 多分类模型训练 | 第41-42页 |
| 3.4.4 Soft-NMS | 第42-45页 |
| 3.4.5 事件融合 | 第45页 |
| 3.4.6 人机交互 | 第45-46页 |
| 3.5 实验及结果分析 | 第46-48页 |
| 3.5.1 实验描述 | 第46-47页 |
| 3.5.2 实验结果分析 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于时空域信息的事件检测 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 循环神经网络 | 第50-54页 |
| 4.2.1 Vanilla RNN | 第50-51页 |
| 4.2.2 Long Short Term Memory (LSTM) | 第51-53页 |
| 4.2.3 Convolutional LSTM (ConvLSTM) | 第53-54页 |
| 4.2.4 研究方向 | 第54页 |
| 4.3 基于CLITP的事件检测 | 第54-57页 |
| 4.3.1 时域序列采样方法 | 第55-56页 |
| 4.3.2 基于ConvLSTM的时域序列分类模型 | 第56-57页 |
| 4.3.3 ObjectPut事件检测 | 第57页 |
| 4.4 实验及结果分析 | 第57-59页 |
| 4.4.1 实验描述 | 第58页 |
| 4.4.2 实验结果分析 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-65页 |
| 5.1 本文总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表或已录用的学术论文 | 第75页 |
