首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的异常视频事件检测系统的设计

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 选题背景及意义第11-12页
    1.2 国内外研究现状及发展动态第12-15页
        1.2.1 基本事件的表示第12-13页
        1.2.2 异常事件检测模型的建立第13-14页
        1.2.3 深度学习方法在异常事件检测中的应用第14-15页
    1.3 论文的主要研究内容第15-17页
第二章 基于深度学习的异常视频事件检测系统的总体设计第17-20页
    2.1 基于深度学习的异常视频事件检测系统的功能规划第17-18页
    2.2 基于深度学习的异常视频事件检测系统的整体架构设计第18-19页
    2.3 本章小结第19-20页
第三章 异常视频事件检测系统设计的方法基础第20-28页
    3.1 神经元与神经网络第20-24页
        3.1.1 神经网络的基本结构第20-21页
        3.1.2 激活函数第21-22页
        3.1.3 神经网络第22-23页
        3.1.4 反向传导算法第23-24页
    3.2 卷积神经网络第24-25页
        3.2.1 局部感知第24-25页
        3.2.2 权值共享第25页
    3.3 循环神经网络第25-27页
    3.4 本章小结第27-28页
第四章 监控视频中行人跟踪模型算法的设计与应用第28-36页
    4.1 目标跟踪技术第28-30页
    4.2 基于深度学习的多域目标跟踪算法第30-33页
        4.2.1 多域目标跟踪离线训练模型第30-31页
        4.2.2 多域目标在线跟踪方案第31-32页
        4.2.3 目标跟踪的运动模型优化第32-33页
    4.3 实验结果与分析第33-35页
    4.4 本章小结第35-36页
第五章 监控视频中人脸检测算法的设计与应用第36-43页
    5.1 人脸检测技术第36-37页
    5.2 基于卷积循环网络的人脸检测算法第37-40页
        5.2.1 背景图像的提取第37-38页
        5.2.2 人脸特征的提取第38-39页
        5.2.3 检测窗口的回归第39-40页
    5.3 实验结果与分析第40-42页
        5.3.1 测试结果的定性分析第40-41页
        5.3.2 测试结果的定量分析第41-42页
    5.4 本章小结第42-43页
第六章 监控视频中行人重识别算法的设计与应用第43-50页
    6.1 行人重识别技术第43-45页
        6.1.1 距离度量学习第44页
        6.1.2 行人深度学习特征的表达第44-45页
    6.2 基于三元组损失的行人重识别算法第45-47页
        6.2.1 目标特征的映射学习第45-46页
        6.2.2 行人的空间特征提取第46页
        6.2.3 三元组损失的学习过程第46-47页
    6.3 实验结果分析第47-49页
    6.4 本章小结第49-50页
第七章 总结与展望第50-52页
    7.1 总结第50-51页
    7.2 展望第51-52页
参考文献第52-56页
攻读硕士学位期间发表的论文及其它成果第56-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:BP神经网络在证券分析中的应用
下一篇:基于国内外金融市场风险领域学术论文的文献研究