基于深度自编码器的近重复视频检索
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 近重复视频检索研究现状 | 第15-17页 |
| 1.2.2 深度自编码器研究现状 | 第17页 |
| 1.3 本文的主要工作和结构安排 | 第17-19页 |
| 1.3.1 本文主要工作 | 第17页 |
| 1.3.2 本文章节安排 | 第17-19页 |
| 第二章 近重复视频检索概述 | 第19-33页 |
| 2.1 近重复视频检索相关概念 | 第19-21页 |
| 2.1.1 近重复视频的定义 | 第19页 |
| 2.1.2 近重复视频的分类 | 第19-20页 |
| 2.1.3 近重复视频检索的通用技术 | 第20-21页 |
| 2.2 图像基础特征 | 第21-25页 |
| 2.2.1 颜色特征 | 第21-23页 |
| 2.2.2 纹理特征 | 第23-24页 |
| 2.2.3 形状特征 | 第24页 |
| 2.2.4 空间关系特征 | 第24-25页 |
| 2.3 LBP算法 | 第25-30页 |
| 2.3.1 原始的LBP算子 | 第25-27页 |
| 2.3.2 旋转不变的LBP算子 | 第27-28页 |
| 2.3.3 等价模式的LBP算子 | 第28-30页 |
| 2.4 视频检索方法 | 第30-31页 |
| 2.5 相似性度量 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 深度自编码器 | 第33-43页 |
| 3.1 自编码器 | 第33-40页 |
| 3.1.1 人工神经网络 | 第33-35页 |
| 3.1.2 反向传导算法 | 第35-37页 |
| 3.1.3 自编码器 | 第37-38页 |
| 3.1.4 稀疏自编码器 | 第38-40页 |
| 3.2 深度自编码器 | 第40-42页 |
| 3.2.1 深度神经网络 | 第40-41页 |
| 3.2.2 深度自编码器 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于镜头的自适应阈值关键帧提取 | 第43-51页 |
| 4.1 视频数据的特点 | 第43页 |
| 4.2 视频的层次结构 | 第43-44页 |
| 4.3 关键帧提取的方法 | 第44-46页 |
| 4.4 镜头边界检测的方法 | 第46-47页 |
| 4.5 基于镜头的自适应阈值关键帧提取算法 | 第47-50页 |
| 4.5.1 算法实现 | 第47-48页 |
| 4.5.2 实验结果与分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于深度自编码器的近重复视频检索 | 第51-59页 |
| 5.1 基于深度自编码器的特征提取 | 第51-52页 |
| 5.2 基于哈希的特征索引与检索 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-58页 |
| 5.3.1 实验数据集 | 第53-55页 |
| 5.3.2 实验结果评价方法 | 第55-56页 |
| 5.3.3 实验结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
