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

基于序列深度学习的视频分析:建模表达与应用

摘要第5-8页
ABSTRACT第8-11页
第一章 绪论第15-27页
    1.1 视频分析的研究背景和意义第15-16页
    1.2 国内外研究现状、技术难点以及存在的问题第16-24页
        1.2.1 视频分析的目标及衡量准则第16-18页
        1.2.2 视频分析所使用的特征类型第18-22页
        1.2.3 视频分析的方案第22-24页
    1.3 本文的研究动机及内容第24-25页
    1.4 本文的结构安排和创新点第25-27页
第二章 更有效的特征融合方法-连续Dropout第27-47页
    2.1 动机第27-28页
    2.2 基本原理第28-29页
    2.3 连续Dropout蕴含的原子相关性正则化分析第29-36页
        2.3.1 连续Dropout的静态特性第29-33页
        2.3.2 连续Dropout的动态特性第33-36页
    2.4 实验第36-45页
        2.4.1 MNIST上的实验第37-41页
        2.4.2 CIFAR-10实验结果第41页
        2.4.3 SVHN实验结果第41-42页
        2.4.4 NORB实验结果第42-43页
        2.4.5 ILSVRC-2012上的实验第43-45页
    2.5 总结第45-47页
第三章 参数更稳健的卷积神经网络第47-63页
    3.1 国内外相关工作第47-48页
    3.2 动机第48-49页
    3.3 方法第49-54页
        3.3.1 卷积神经网络第49-50页
        3.3.2 图像变换第50-51页
        3.3.3 对输入图像变换稳健的卷积神经网络第51-54页
    3.4 实验第54-61页
        3.4.1 MNIST第54-56页
        3.4.2 ILSVRC-2012第56-58页
        3.4.3 UK-Bench第58-61页
    3.5 结论第61-63页
第四章 结构更稳健的卷积神经网络第63-77页
    4.1 背景介绍第63-64页
    4.2 卷积神经网络中的区块重排序第64-68页
        4.2.1 卷积神经网络中的参数冗余第66页
        4.2.2 区块重排序第66-68页
    4.3 实验结果第68-75页
        4.3.1 MNIST第68-69页
        4.3.2 ImageNet-2012第69-71页
        4.3.3 UK-Bench第71页
        4.3.4 不变性测度第71-72页
        4.3.5 不同层中区块重排序的影响第72-74页
        4.3.6 特征响应图示例第74-75页
    4.4 总结第75-77页
第五章 序列深层递归神经网络学习第77-89页
    5.1 动机第77-78页
    5.2 国内外相关工作第78-79页
    5.3 LSTM的无监督预训练第79-84页
        5.3.1 自编码器第79页
        5.3.2 训练多层自编码器第79-80页
        5.3.3 长短时记忆网络训练第80-81页
        5.3.4 长短时记忆网络自编码器第81页
        5.3.5 贪婪式逐层LSTM训练第81-84页
    5.4 实验第84-88页
        5.4.1 加法问题第85页
        5.4.2 MNIST分类第85-87页
        5.4.3 UCF-101上的视频分类第87页
        5.4.4 机器翻译第87-88页
    5.5 本章小结第88-89页
第六章 基于共享隐表征的序列到序列学习第89-101页
    6.1 背景介绍第89-91页
    6.2 相关工作第91页
    6.3 背景知识第91-92页
        6.3.1 变分自编码器(VAE)第91-92页
        6.3.2 长短时记忆(LSTM)第92页
    6.4 方法第92-95页
        6.4.1 框架第92-94页
        6.4.2 学习第94-95页
    6.5 实验第95-100页
        6.5.1 视频到句子第96-97页
        6.5.2 句子到句子第97-98页
        6.5.3 视频到视频第98-99页
        6.5.4 句子到视频第99-100页
    6.6 本章小结第100-101页
第七章 总结与展望第101-107页
    7.1 论文总结第101-103页
    7.2 未来工作与展望第103-107页
参考文献第107-113页
致谢第113-115页
在读期间发表的学术论文与取得的研究成果第115页

论文共115页,点击 下载论文
上一篇:JPEG图像篡改检测技术研究
下一篇:基于熵排序与结构相似约束的可逆信息隐藏方法研究