用于视频问答的多级注意力循环神经网络算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究难点 | 第11-13页 |
| 1.3 发展现状 | 第13-14页 |
| 1.4 研究内容与创新点 | 第14-18页 |
| 1.5 文章组织结构 | 第18页 |
| 1.6 本章小结 | 第18-20页 |
| 第2章 相关工作 | 第20-26页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于图片数据的视觉问答技术 | 第21-23页 |
| 2.2.1 基于基础技术和嵌入向量的工作 | 第21页 |
| 2.2.2 基于注意力机制和记忆机制的工作 | 第21-22页 |
| 2.2.3 基于外部知识的工作 | 第22-23页 |
| 2.3 基于视频数据的视频问答技术 | 第23-24页 |
| 2.3.1 基于静态图片特征的相关工作 | 第23-24页 |
| 2.3.2 以整体动态为特征的相关工作 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于多级注意力机制的视频问答算法 | 第26-54页 |
| 3.1 问题模型分析 | 第26-27页 |
| 3.2 多层次注意力算法总体框架 | 第27-29页 |
| 3.3 识别视觉特征的卷积神经网络 | 第29-38页 |
| 3.3.1 神经网络基础及常见技巧概要 | 第29-32页 |
| 3.3.2 识别图像特征的卷积神经网络 | 第32-36页 |
| 3.3.3 识别视频特征的卷积神经网络 | 第36-38页 |
| 3.4 识别文本特征的词嵌入向量 | 第38-42页 |
| 3.5 学习连续数据的循环神经网络 | 第42-44页 |
| 3.6 注意力机制 | 第44-46页 |
| 3.7 基于多层次注意力机制的算法细节 | 第46-53页 |
| 3.8 本章小结 | 第53-54页 |
| 第4章 实验设计与分析 | 第54-70页 |
| 4.1 实验数据集 | 第54-55页 |
| 4.2 基准算法概要 | 第55-59页 |
| 4.3 实验参数概要 | 第59-61页 |
| 4.4 算法效果对比与分析 | 第61-66页 |
| 4.5 算法思路验证 | 第66-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-74页 |
| 5.1 全文总结 | 第70页 |
| 5.2 研究展望 | 第70-74页 |
| 参考文献 | 第74-82页 |
| 攻读硕士学位期间的主要研究成果 | 第82-84页 |
| 致谢 | 第84页 |
