视频语义信息提取的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究的背景和意义 | 第11-12页 |
| ·基于内容的视频检索综述 | 第12-15页 |
| ·视频的结构 | 第12-14页 |
| ·基于机器学习的视频标注 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·章节安排 | 第17-19页 |
| 第二章 视频的结构分析与特征提取 | 第19-31页 |
| ·视频结构分析 | 第19-23页 |
| ·镜头分割 | 第19-21页 |
| ·关键帧提取 | 第21-23页 |
| ·常用的特征 | 第23-30页 |
| ·颜色 | 第23-24页 |
| ·纹理 | 第24-27页 |
| ·本文提取的特征 | 第27-30页 |
| ·本章小节 | 第30-31页 |
| 第三章 基于SVM的分类器设计 | 第31-42页 |
| ·统计学习理论 | 第31-33页 |
| ·机器学习 | 第31-32页 |
| ·经验风险最小化 | 第32页 |
| ·VC维 | 第32-33页 |
| ·结构风险最小化 | 第33页 |
| ·支持向量机 | 第33-39页 |
| ·最优分类面的解释 | 第34页 |
| ·线性可分支持向量机 | 第34-36页 |
| ·线性不可分支持向量机 | 第36-37页 |
| ·核函数 | 第37-39页 |
| ·SVM多值分类器的构造构造 | 第39页 |
| ·将SVM应用于语义提取 | 第39-41页 |
| ·本章小节 | 第41-42页 |
| 第四章 基于SVM的多模态主动学习 | 第42-53页 |
| ·主动学习 | 第42-43页 |
| ·基于主动学习的半自动视频标注 | 第43-45页 |
| ·基于多模态的主动学习 | 第45-48页 |
| ·视频的多模态特征 | 第45-46页 |
| ·多模态主动学习 | 第46-48页 |
| ·实验 | 第48-52页 |
| ·数据集 | 第48-49页 |
| ·特征的提取 | 第49-50页 |
| ·性能度量 | 第50页 |
| ·结果与分析 | 第50-52页 |
| ·本章小节 | 第52-53页 |
| 第五章 系统的设计 | 第53-60页 |
| ·数据库设计 | 第53-54页 |
| ·总体框架 | 第54-59页 |
| ·建立视频的语义数据库 | 第55-56页 |
| ·设计分类器 | 第56页 |
| ·用户接口 | 第56-57页 |
| ·界面设计 | 第57-59页 |
| ·本章小节 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
