Grassmann流形在视频分析中的应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 课题的研究现状 | 第11-13页 |
| 1.3 本文的主要组织框架 | 第13-15页 |
| 第2章 视频的图像集表示 | 第15-31页 |
| 2.1 数据库 | 第15-18页 |
| 2.1.1 Youtube action | 第16页 |
| 2.1.2 UCF50 | 第16-17页 |
| 2.1.3 Penn sports action | 第17-18页 |
| 2.1.4 In the wild | 第18页 |
| 2.2 底层特征 | 第18-24页 |
| 2.2.1 HOG特征 | 第19-21页 |
| 2.2.2 CNN特征 | 第21-23页 |
| 2.2.3 底层特征选择实验 | 第23-24页 |
| 2.3 基于CNN特征的图像集表示 | 第24-29页 |
| 2.3.1 基于稀疏表示的图像集表示 | 第25-26页 |
| 2.3.2 基于均匀分割的图像集表示 | 第26-27页 |
| 2.3.3 基于阈值分割的图像集表示 | 第27-28页 |
| 2.3.4 Pooling | 第28-29页 |
| 2.4 视频图像集表示方法对比实验 | 第29-30页 |
| 2.4.1 实验分析 | 第29-30页 |
| 2.4.2 复杂度分析 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 Grassmann核 | 第31-45页 |
| 3.1 Grassmann流形 | 第31-32页 |
| 3.2 Grassmann核 | 第32-38页 |
| 3.2.1 基于主角度的度量 | 第33-34页 |
| 3.2.2 主角度和 | 第34-36页 |
| 3.2.3 核对比 | 第36-38页 |
| 3.3 实验分析 | 第38-44页 |
| 3.3.1 实验设置 | 第38页 |
| 3.3.2 实验结果综合分析 | 第38-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 核学习 | 第45-60页 |
| 4.1 中心化的核校准 | 第45-49页 |
| 4.1.1 核校准 | 第45-46页 |
| 4.1.2 中心化核 | 第46-47页 |
| 4.1.3 中心化核校准 | 第47-49页 |
| 4.2 线性核组合 | 第49-51页 |
| 4.2.1 非凸线性组合 | 第49-50页 |
| 4.2.2 凸组合 | 第50-51页 |
| 4.3 非线性核组合 | 第51-54页 |
| 4.3.1 多项式核 | 第52-53页 |
| 4.3.2 非线性核组合 | 第53-54页 |
| 4.4 实验分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录A | 第70-72页 |
| 附录B | 第72-74页 |
| 附录C | 第74-75页 |
