基于多特征学习的视频语义标注
| 目录 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 引言 | 第7-8页 |
| 1.2 研究背景 | 第8-15页 |
| 1.2.1 视频数据的增长 | 第8-9页 |
| 1.2.2 视频数据的特点 | 第9-10页 |
| 1.2.3 视频检索技术 | 第10-11页 |
| 1.2.4 视频动作特征 | 第11-13页 |
| 1.2.5 机器学习 | 第13-15页 |
| 1.4 本文的主要工作 | 第15-17页 |
| 1.4.1 动作特征用于视频语义标注 | 第15页 |
| 1.4.2 一阶范数正则化的多距离学习 | 第15-17页 |
| 第二章 背景介绍与相关工作 | 第17-31页 |
| 2.1 Harris Corner | 第17-19页 |
| 2.2 STIP时空关键点 | 第19-22页 |
| 2.3 视频特征量化 | 第22-23页 |
| 2.4 基于参数稀疏化的特征选取 | 第23-26页 |
| 2.5 相关工作 | 第26-31页 |
| 第三章 视频语义标注模型 | 第31-43页 |
| 3.1 问题定义 | 第31-32页 |
| 3.1.1 问题场景 | 第31-32页 |
| 3.1.2 问题形式化定义 | 第32页 |
| 3.2 线性回归 | 第32-35页 |
| 3.3 logistic回归 | 第35-36页 |
| 3.4 带L1正则项的logistic回归 | 第36-39页 |
| 3.5 视频分类模型 | 第39-40页 |
| 3.6 logistic回归参数估计 | 第40-42页 |
| 3.7 距离权重系数估计 | 第42-43页 |
| 第四章 实验 | 第43-48页 |
| 4.1 实验数据集 | 第43页 |
| 4.2 特征提取 | 第43页 |
| 4.3 使用全局特征权重系数 | 第43-44页 |
| 4.4 使用逐类的特征权重系数 | 第44-45页 |
| 4.5 权重系数分布 | 第45-46页 |
| 4.6 实验结果分析 | 第46-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 硕士研宄生期间主要工作 | 第53-54页 |
| 致谢 | 第54-55页 |
