基于多特征融合的视频分类方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-17页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 基于传统手工特征分类方法 | 第12页 |
| 1.2.2 基于深度学习分类方法 | 第12-14页 |
| 1.3 论文主要工作 | 第14-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 相关技术 | 第17-31页 |
| 2.1 视频特征 | 第17-19页 |
| 2.1.1 图像的基本特征 | 第17-18页 |
| 2.1.2 视频的动态特征 | 第18-19页 |
| 2.2 卷积神经网络 | 第19-26页 |
| 2.2.1 卷积层 | 第20-23页 |
| 2.2.2 激活层 | 第23-25页 |
| 2.2.3 池化层 | 第25-26页 |
| 2.3 循环神经网络 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于多时间尺度特征融合的视频分类方法 | 第31-46页 |
| 3.1 方法概述 | 第31-32页 |
| 3.2 深度特征提取 | 第32-36页 |
| 3.2.1 网络配置 | 第32-34页 |
| 3.2.2 视频预处理 | 第34-35页 |
| 3.2.3 微调与提取特征 | 第35-36页 |
| 3.3 特征编码 | 第36-38页 |
| 3.4 特征融合与分类 | 第38-39页 |
| 3.5 实验与结果分析 | 第39-45页 |
| 3.5.1 数据集及评价标准 | 第39-40页 |
| 3.5.2 实验结果与分析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 基于注意力多特征融合的视频分类方法 | 第46-62页 |
| 4.1 算法概述 | 第46-48页 |
| 4.2 基于卷积神经网络的编码器 | 第48-53页 |
| 4.2.1 网络配置 | 第49-50页 |
| 4.2.2 数据预处理 | 第50-53页 |
| 4.2.3 特征提取 | 第53页 |
| 4.3 基于注意力多特征融合的解码器设计 | 第53-58页 |
| 4.3.1 基于上下文特征的注意力模块 | 第53-56页 |
| 4.3.2 基于多特征融合的LSTM解码器 | 第56-58页 |
| 4.4 实验与结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 结论 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
