互联网弱标注视频的标签定位技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 2 弱标注视频标签定位综述 | 第11-24页 |
| 2.1 相关背景 | 第11-16页 |
| 2.1.1 视频语义索引 | 第11-13页 |
| 2.1.2 TRECVid语义索引任务 | 第13-14页 |
| 2.1.3 目标检测 | 第14-16页 |
| 2.2 弱标注视频标签定位方法 | 第16-23页 |
| 2.2.1 弱标注问题简介 | 第16-19页 |
| 2.2.2 弱标注相关学习算法 | 第19-20页 |
| 2.2.3 数据聚类 | 第20-21页 |
| 2.2.4 核密度估计 | 第21-22页 |
| 2.2.5 带标签噪声的有监督学习 | 第22页 |
| 2.2.6 基于负样本的分析方法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于主题模型和核密度估计的方法 | 第24-36页 |
| 3.1 简介及方法流程 | 第24-26页 |
| 3.2 本文方法中的核密度估计 | 第26页 |
| 3.3 主题模型 | 第26-28页 |
| 3.4 相关主题选取 | 第28-29页 |
| 3.5 主题模型和核密度估计融合 | 第29-30页 |
| 3.6 实验结果 | 第30-35页 |
| 3.6.1 实验设计 | 第30-31页 |
| 3.6.2 核密度估计 | 第31-32页 |
| 3.6.3 主题选取 | 第32-33页 |
| 3.6.4 主题模型和核密度估计融合 | 第33-35页 |
| 3.6.5 实验讨论 | 第35页 |
| 3.7 本章小结 | 第35-36页 |
| 4 DUT-WEBV数据集构建 | 第36-50页 |
| 4.1 数据集简介 | 第36页 |
| 4.2 数据集详细信息 | 第36-39页 |
| 4.2.1 视频获取 | 第36-38页 |
| 4.2.2 数据集的标签相关度 | 第38页 |
| 4.2.3 与现有数据集的对比 | 第38-39页 |
| 4.3 标注方法 | 第39-43页 |
| 4.3.1 时间上的标注 | 第39-42页 |
| 4.3.2 空间上的标注 | 第42-43页 |
| 4.4 标签定位基准方法及讨论 | 第43-47页 |
| 4.4.1 基准方法 | 第43-46页 |
| 4.4.2 现有方法存在的问题 | 第46-47页 |
| 4.5 DUT-WEBV数据集实验 | 第47-49页 |
| 4.5.1 实验设计 | 第47-49页 |
| 4.5.2 实验讨论 | 第49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 基于通用目标检测的标签定位 | 第50-54页 |
| 5.1 通用目标块检测 | 第50-51页 |
| 5.2 完整目标分割 | 第51-52页 |
| 5.3 目标语义标签定位 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
