基于时空DenseNet的人体动作识别
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外的研究进展现状 | 第14-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-18页 |
| 1.3.1 论文的主要工作 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第二章 人体动作识别方法概述 | 第18-27页 |
| 2.1 人体动作识别概念 | 第18-19页 |
| 2.1.1 人体动作的定义 | 第18页 |
| 2.1.2 人体动作识别 | 第18-19页 |
| 2.2 基于传统特征方法的人体动作识别 | 第19-23页 |
| 2.2.1 全局特征 | 第19-21页 |
| 2.2.2 局部特征 | 第21-22页 |
| 2.2.3 特征聚合策略 | 第22-23页 |
| 2.3 基于深度学习方法的人体动作识别 | 第23-26页 |
| 2.3.1 基于卷积神经网络的人体动作识别 | 第23-26页 |
| 2.3.2 基于递归神经网络的人体动作识别 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 三维DenseNet | 第27-37页 |
| 3.1 三维DenseNet网络结构 | 第27-28页 |
| 3.2 初始化层 | 第28-30页 |
| 3.2.1 三维卷积 | 第29-30页 |
| 3.2.2 三维池化 | 第30页 |
| 3.3 三维密集连接块 | 第30-35页 |
| 3.3.1 密集连接方式 | 第30-32页 |
| 3.3.2 密集网络层操作 | 第32-35页 |
| 3.4 过渡层 | 第35页 |
| 3.5 分类层 | 第35页 |
| 3.6 三维瓶颈层和模型压缩 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 时空DenseNet | 第37-45页 |
| 4.1 双流卷积神经网络的不足 | 第37-38页 |
| 4.2 时空DenseNet网络结构 | 第38-39页 |
| 4.3 时空特征融合方式 | 第39-40页 |
| 4.4 时空特征融合结构 | 第40-41页 |
| 4.5 动态图 | 第41-44页 |
| 4.5.1 排序池化(Rank pooling) | 第41-42页 |
| 4.5.2 动态图计算方法 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 实验结果与分析 | 第45-57页 |
| 5.1 常用人体动作数据集 | 第45-47页 |
| 5.1.1 KTH | 第45-46页 |
| 5.1.2 HMDB51 | 第46页 |
| 5.1.3 UCF101 | 第46-47页 |
| 5.2 模型实现细节和实验参数设置 | 第47-49页 |
| 5.2.1 实验环境、工具 | 第47-48页 |
| 5.2.2 实现细节和参数设置 | 第48-49页 |
| 5.3 实验结果比较与分析 | 第49-55页 |
| 5.3.1 三维DenseNet实验结果 | 第49-50页 |
| 5.3.2 时空融合实验结果 | 第50-52页 |
| 5.3.3 时空融合方式和结构对比 | 第52-54页 |
| 5.3.4 实验结果比较与分析 | 第54-55页 |
| 5.4 本章小结 | 第55-57页 |
| 总结与展望 | 第57-60页 |
| 论文工作总结 | 第57-58页 |
| 未来研究与展望 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70页 |
