基于多特征融合的视频高层语义概念检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·课题研究背景 | 第9-10页 |
| ·视频高层语义概念检测的关键技术和研究现状 | 第10-16页 |
| ·视频检索和概念检测中的关键技术 | 第10-13页 |
| ·视频检索领域研究现状 | 第13-14页 |
| ·TRECVID评测简介 | 第14-16页 |
| ·本文的主要研究工作和章节安排 | 第16-18页 |
| 第二章 图像特征的提取及表达 | 第18-45页 |
| ·概述 | 第18-19页 |
| ·全局图像特征 | 第19-25页 |
| ·颜色特征 | 第19-21页 |
| ·边缘 | 第21-22页 |
| ·纹理 | 第22-24页 |
| ·空间信息 | 第24-25页 |
| ·局部特征 | 第25-32页 |
| ·SIFT描述子 | 第25-29页 |
| ·HOG描述子 | 第29-32页 |
| ·局部描述子特征在概念检测中的应用 | 第32-39页 |
| ·Bag-of-Feature | 第33-35页 |
| ·基于空间金字塔的Bag-of-Feature | 第35-37页 |
| ·概率潜在语义分析模型 | 第37-39页 |
| ·实验结果及分析 | 第39-44页 |
| ·实验设计 | 第39-41页 |
| ·评价准则 | 第41-42页 |
| ·实验数据 | 第42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于机器学习的系统融合 | 第45-64页 |
| ·概述 | 第45-46页 |
| ·概念检测和系统融合中的机器学习算法 | 第46-51页 |
| ·SVM分类器 | 第46-48页 |
| ·核函数 | 第48-50页 |
| ·逻辑回归 | 第50-51页 |
| ·特征级融合 | 第51-53页 |
| ·核函数级融合算法 | 第53-55页 |
| ·一种基于多核学习的融合算法 | 第54-55页 |
| ·分类器级融合 | 第55-57页 |
| ·一种基于逻辑回归的线性加权融合算法 | 第57页 |
| ·实验结果及分析 | 第57-63页 |
| ·实验设计 | 第58-59页 |
| ·自测实验结果分析 | 第59-61页 |
| ·TRECVID2010评测结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 总结与展望 | 第64-66页 |
| ·主要研究内容总结 | 第64页 |
| ·工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者攻读硕士学位期间发表的学术论文 | 第71页 |
