| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文的主要研究内容及创新点 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 视频行为识别相关基础和理论 | 第18-38页 |
| 2.1 传统视频行为识别方法 | 第18-19页 |
| 2.2 深度学习相关基础理论 | 第19-30页 |
| 2.2.1 2D卷积及深度2D卷积网络 | 第19-24页 |
| 2.2.2 3D卷积及深度3D卷积网络 | 第24-26页 |
| 2.2.3 基于神经网络的多分类器和多分类损失函数 | 第26-27页 |
| 2.2.4 神经网络训练过拟合措施 | 第27-29页 |
| 2.2.5 批量归一化和层归一化 | 第29-30页 |
| 2.3 注意力机制 | 第30-35页 |
| 2.3.1 基于循环神经网络的注意力机制 | 第30-32页 |
| 2.3.2 Multi-Head注意力机制 | 第32-35页 |
| 2.4 视频行为识别数据集介绍 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于深度学习的视频行为识别网络模型设计 | 第38-46页 |
| 3.1 基于深度3D卷积网络的时空特征提取模块设计 | 第38-40页 |
| 3.1.1 3D卷积核实现 | 第38-39页 |
| 3.1.2 基于3D卷积的深度特征提取模块设计 | 第39-40页 |
| 3.2 基于自注意力机制的特征融合模块设计 | 第40-43页 |
| 3.2.1 基于自注意力的特征融合 | 第41-43页 |
| 3.2.2 自注意力机制与特征提取网络的结合 | 第43页 |
| 3.3 基于3D卷积和自注意力机制的视频行为识别模型 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 算法实现与性能分析 | 第46-56页 |
| 4.1 实验设置及性能评价标准 | 第46-47页 |
| 4.2 模型性能对比分析 | 第47-53页 |
| 4.2.1 卷积核预训练对模型性能的影响 | 第47-50页 |
| 4.2.2 自注意力机制对模型性能的影响 | 第50-51页 |
| 4.2.3 分类器对模型性能的影响 | 第51-52页 |
| 4.2.4 整体模型性能对比 | 第52-53页 |
| 4.3 可视化分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文工作总结 | 第56页 |
| 5.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录1 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
