基于注意机制的卷积递归神经网络的动作识别
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 研究内容与创新点 | 第8-9页 |
| 1.3 论文结构 | 第9-10页 |
| 2 研究现状 | 第10-21页 |
| 2.1 引言 | 第10页 |
| 2.2 相关工作 | 第10-20页 |
| 2.2.1 有监督的深度学习 | 第11-18页 |
| 2.2.2 无监督的视频特征学习 | 第18-19页 |
| 2.2.3 半监督的视频分类方法 | 第19-20页 |
| 2.3 总结 | 第20-21页 |
| 3 基于注意机制的卷积递归神经网络的动作识别 | 第21-46页 |
| 3.1 引言 | 第21-22页 |
| 3.2 深度模型 | 第22-23页 |
| 3.3 特征提取 | 第23-25页 |
| 3.4 注意机制的实现 | 第25-30页 |
| 3.5 卷积递归神经网络进行建模 | 第30-35页 |
| 3.6 模型的算法流程图 | 第35-36页 |
| 3.7 模型参数初始化跟损失函数 | 第36页 |
| 3.8 实验及其效果分析 | 第36-45页 |
| 3.8.1 数据库 | 第36-38页 |
| 3.8.2 实验相关设置 | 第38-39页 |
| 3.8.3 实验结果分析 | 第39-45页 |
| 3.9 总结 | 第45-46页 |
| 4 基于视频帧一致性的视频分类 | 第46-53页 |
| 4.1 引言 | 第46-47页 |
| 4.2 模型结构 | 第47页 |
| 4.3 时间一致性分析 | 第47-48页 |
| 4.4 实验以及效果分析 | 第48-52页 |
| 4.5 总结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-64页 |
