视频图像内容匹配与检索研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 视频中对象提取 | 第11-13页 |
| 1.2.2 图像检索 | 第13-14页 |
| 1.2.3 视频图像检索系统 | 第14页 |
| 1.3 研究内容及论文结构 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-16页 |
| 第2章 视频对象检索及深度学习理论 | 第16-27页 |
| 2.1 数字视频结构 | 第16-17页 |
| 2.2 视频对象检索 | 第17-18页 |
| 2.3 深度学习 | 第18-25页 |
| 2.3.1 神经网络 | 第18-20页 |
| 2.3.2 卷积神经网络 | 第20-24页 |
| 2.3.3 深度学习网络模型 | 第24-25页 |
| 2.4 迁移学习 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 视频中对象提取方法研究 | 第27-41页 |
| 3.1 视频中对象提取方法介绍 | 第27-31页 |
| 3.1.1 运动目标检测 | 第27-29页 |
| 3.1.2 单帧图像目标检测 | 第29-31页 |
| 3.2 背景建模与静态图像检测相结合的目标检测 | 第31-37页 |
| 3.2.1 基于ViBe算法运动目标检测 | 第31-32页 |
| 3.2.2 基于深度学习的单帧图像目标检测 | 第32-35页 |
| 3.2.3 视频中对象提取方法 | 第35-37页 |
| 3.3 实验分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 图像检索方法研究 | 第41-54页 |
| 4.1 图像检索 | 第41-45页 |
| 4.1.1 图像特征提取方法 | 第41-44页 |
| 4.1.2 特征相似度量方法 | 第44-45页 |
| 4.2 基于CNN图像特征提取 | 第45-48页 |
| 4.2.1 网络模型训练 | 第46页 |
| 4.2.2 CNN特征提取 | 第46-48页 |
| 4.3 仿真实验及分析 | 第48-53页 |
| 4.3.1 实验环境及数据集 | 第48-49页 |
| 4.3.2 评价指标 | 第49页 |
| 4.3.3 实验结果及分析 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 视频对象检索应用 | 第54-59页 |
| 5.1 总体框架结构 | 第54-56页 |
| 5.1.1 用户接口模块 | 第55页 |
| 5.1.2 视频数据处理模块 | 第55页 |
| 5.1.3 数据存储模块 | 第55-56页 |
| 5.2 系统流程 | 第56页 |
| 5.3 系统界面及功能 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 1.本文研究工作总结 | 第59-60页 |
| 2.本文研究工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A (攻读学位期间所发表的学术论文) | 第66-67页 |
| 附录B (攻读学位期间所参与的科研项目) | 第67页 |
