多模态媒体数据分析关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 多模态信息特点及挑战 | 第12-14页 |
| 1.3 多模态信息关键技术 | 第14-15页 |
| 1.4 论文主要工作 | 第15-19页 |
| 第二章 多模态媒体数据分析 | 第19-39页 |
| 2.1 单模态媒体数据分析 | 第20-32页 |
| 2.1.1 文本特征提取 | 第20-23页 |
| 2.1.2 图片特征提取 | 第23-26页 |
| 2.1.3 视频特征提取 | 第26-30页 |
| 2.1.4 音频特征提取 | 第30-32页 |
| 2.2 多模态媒体数据分析 | 第32-38页 |
| 2.2.1 互联网图片内容的自动标注 | 第32-34页 |
| 2.2.2 视频内容标注 | 第34-37页 |
| 2.2.3 多模态数据语义提取 | 第37-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 基于跨域学习的图片自动标注算法研究 | 第39-53页 |
| 3.1 引言 | 第39-40页 |
| 3.2 系统设计思路及整体流程 | 第40-46页 |
| 3.2.1 自动的图像标注文本选择系统 | 第41-43页 |
| 3.2.2 图片预处理算法 | 第43-45页 |
| 3.2.3 跨域学习算法 | 第45-46页 |
| 3.3 实验 | 第46-51页 |
| 3.3.1 收集数据 | 第46-47页 |
| 3.3.2 实验结果 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 监控视频下的事件检测算法研究 | 第53-73页 |
| 4.1 引言 | 第53-54页 |
| 4.2 整体跟踪系统设计思路及流程 | 第54-62页 |
| 4.2.1 目标检测算法 | 第55-56页 |
| 4.2.2 基于TMD的Tracklet生成算法 | 第56-58页 |
| 4.2.3 基于图匹配的Tracklet融合算法 | 第58-62页 |
| 4.3 实验设计与分析 | 第62-71页 |
| 4.3.1 测试数据集 | 第62-63页 |
| 4.3.2 特征表征 | 第63页 |
| 4.3.3 评测标准 | 第63-65页 |
| 4.3.4 试验结果分析 | 第65-70页 |
| 4.3.5 分析 | 第70-71页 |
| 4.4 事件检测 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 多模态数据下的地点语义提取 | 第73-89页 |
| 5.1 引言 | 第73-74页 |
| 5.2 基于地点的主题模型 | 第74-81页 |
| 5.2.1 文本信息处理 | 第75-76页 |
| 5.2.2 图片信息处理 | 第76-79页 |
| 5.2.3 多模态数据图结构 | 第79-80页 |
| 5.2.4 主题模型提取 | 第80-81页 |
| 5.3 基于主题模型应用 | 第81-82页 |
| 5.3.1 图片地点预测 | 第81页 |
| 5.3.2 地点功能概述 | 第81-82页 |
| 5.4 实验分析 | 第82-88页 |
| 5.4.1 数据库介绍 | 第82页 |
| 5.4.2 图片地点预测实验结果 | 第82-87页 |
| 5.4.3 地点功能摘要 | 第87-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第六章 总结与展望 | 第89-93页 |
| 6.1 本文工作总结 | 第89-90页 |
| 6.2 困难及其未来工作展望 | 第90-93页 |
| 参考文献 | 第93-105页 |
| 发表论文和参加科研情况说明 | 第105-107页 |
| 致谢 | 第107-109页 |
