基于三维卷积和Faster RCNN的视频动作检测技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关研究现状 | 第11-12页 |
| 1.2.1 基于深度学习的视频动作检测 | 第11-12页 |
| 1.2.2 弱监督下的动作定位 | 第12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 第2章 相关技术简介 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 卷积神经网络 | 第16-21页 |
| 2.2.1 卷积 | 第17-18页 |
| 2.2.2 池化 | 第18-19页 |
| 2.2.3 激活函数 | 第19-20页 |
| 2.2.4 局部响应规范化 | 第20-21页 |
| 2.3 三维卷积网络 | 第21-23页 |
| 2.3.1 主维卷积 | 第21-22页 |
| 2.3.2 C3D网络模型 | 第22-23页 |
| 2.4 Faster RCNN | 第23-25页 |
| 2.5 弱监督方法 | 第25-26页 |
| 2.5.1 多示例学习 | 第25页 |
| 2.5.2 基于注意力的模型 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 基于三维卷积的视频动作检测 | 第28-42页 |
| 3.1 引言 | 第28-29页 |
| 3.2 时空特征 | 第29-31页 |
| 3.3 时间候选框网络 | 第31-33页 |
| 3.3.1 时间候选框生成 | 第31-32页 |
| 3.3.2 时间候选框链接 | 第32-33页 |
| 3.4 动作分类网络 | 第33-35页 |
| 3.4.1 3D RoI Pooling | 第33-35页 |
| 3.4.2 动作分类 | 第35页 |
| 3.5 模型的训练 | 第35-36页 |
| 3.6 动作时序检测 | 第36-37页 |
| 3.7 动作定位 | 第37-40页 |
| 3.7.1 全局平均池化 | 第37页 |
| 3.7.2 类别激活映射图 | 第37-39页 |
| 3.7.3 动作空间边框 | 第39-40页 |
| 3.8 本章小结 | 第40-42页 |
| 第4章 实验结果及分析 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 时序动作检测结果 | 第42-47页 |
| 4.2.1 ActivityNet实验 | 第42-44页 |
| 4.2.2 THUMOS实验 | 第44-47页 |
| 4.3 检测速度 | 第47页 |
| 4.4 动作定位结果 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |
