| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文内容及章节安排 | 第13-15页 |
| 第二章 多媒体事件检测框架 | 第15-19页 |
| 2.1 当前主流框架 | 第15-16页 |
| 2.1.1 基于语义表达的多媒体事件检测 | 第15页 |
| 2.1.2 基于平均帧方法的多媒体事件检测 | 第15-16页 |
| 2.2 基于时空融合的多媒体事件检测框架 | 第16-17页 |
| 2.3 优势与创新点 | 第17-19页 |
| 2.3.1 框架优势 | 第17-18页 |
| 2.3.2 创新点 | 第18-19页 |
| 第三章 基于深度网络的特征提取 | 第19-40页 |
| 3.1 DT/IDT特征 | 第19-24页 |
| 3.1.1 光流图的计算 | 第19-20页 |
| 3.1.2 轨迹跟踪 | 第20页 |
| 3.1.3 轨迹特征计算 | 第20-21页 |
| 3.1.4 IDT与CNN对比实验 | 第21-24页 |
| 3.2 基于CNN的密集局部特征 | 第24-32页 |
| 3.2.1 卷积神经网络 | 第24-25页 |
| 3.2.2 CNN特征图响应机制 | 第25-26页 |
| 3.2.3 图像与网络尺寸的适配 | 第26-27页 |
| 3.2.4 密集局部特征 | 第27-28页 |
| 3.2.5 网络模型对比实验 | 第28-29页 |
| 3.2.6 帧预处理技巧对比实验 | 第29-31页 |
| 3.2.7 优化策略 | 第31-32页 |
| 3.3 基于CNN的显著区域特征 | 第32-40页 |
| 3.3.1 显著性思想 | 第32-33页 |
| 3.3.2 Iception结构 | 第33页 |
| 3.3.3 RPN网络 | 第33-34页 |
| 3.3.4 显著区域特征提取 | 第34-37页 |
| 3.3.5 显著区域特征提取与其他方法的对比实验 | 第37-40页 |
| 第四章 多媒体事件的时空表示 | 第40-69页 |
| 4.1 VLAD | 第40-53页 |
| 4.1.1 BOVW模型 | 第40-41页 |
| 4.1.2 Fisher Vector模型 | 第41-43页 |
| 4.1.3 VLAD计算 | 第43-45页 |
| 4.1.4 k近邻软分配VLAD | 第45页 |
| 4.1.5 最大主成分分析(PCA) | 第45-48页 |
| 4.1.6 归一化 | 第48-49页 |
| 4.1.7 基于VLAD的多媒体事件的时空表示 | 第49-50页 |
| 4.1.8 帧级别特征预处理实验 | 第50-51页 |
| 4.1.9 k近邻软分配与原始VLAD对比实验 | 第51-52页 |
| 4.1.10 聚类中心数对比实验 | 第52页 |
| 4.1.11 VLAD与Fisher Vector的对比实验 | 第52-53页 |
| 4.2 长短时间记忆单元(LSTM) | 第53-59页 |
| 4.2.1 循环神经网络(RNN)模型 | 第53-57页 |
| 4.2.2 基于LSTM的多媒体事件的时空表示 | 第57-58页 |
| 4.2.3 LSTM与VLAD对比实验 | 第58-59页 |
| 4.2.4 TRECVID2015 MED竞赛结果 | 第59页 |
| 4.3 netVLAD | 第59-65页 |
| 4.3.1 netVLAD公式推导 | 第60-61页 |
| 4.3.2 参数学习 | 第61-62页 |
| 4.3.3 基于netVLAD的多媒体事件的时空表示 | 第62页 |
| 4.3.4 归一化层对比实验 | 第62-63页 |
| 4.3.5 损失函数对比实验 | 第63-64页 |
| 4.3.6 netVLAD与VLAD对比实验 | 第64-65页 |
| 4.4 时域卷积 | 第65-69页 |
| 4.4.1 原理介绍 | 第65-66页 |
| 4.4.2 基于时域卷积的多媒体事件的时空表示 | 第66-67页 |
| 4.4.3 时域卷积与其他方法对比实验 | 第67-69页 |
| 第五章 基于Linear SVM的多媒体事件分类 | 第69-80页 |
| 5.1 支持向量机 | 第69-70页 |
| 5.1.1 支持向量机求解 | 第69页 |
| 5.1.2 基于Linear SVM的多媒体事件置信度计算 | 第69-70页 |
| 5.2 模型融合 | 第70-72页 |
| 5.2.1 多模型融合方法 | 第71页 |
| 5.2.2 多模型融合对比实验 | 第71-72页 |
| 5.3 多媒体事件检测实现 | 第72-74页 |
| 5.3.1 多媒体事件检测流程 | 第72-74页 |
| 5.3.2 线程调用 | 第74页 |
| 5.4 实验结果及分析 | 第74-80页 |
| 5.4.1 与其他方法的对比实验 | 第75-76页 |
| 5.4.2 TRECVID2016 MED竞赛 | 第76-77页 |
| 5.4.3 全国网络舆情(音视频)分析技术邀请赛特定视频识别 | 第77-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80页 |
| 6.2 创新点 | 第80-81页 |
| 6.3 展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文目录 | 第86页 |
