| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 视频动作识别数据集的演变 | 第14-16页 |
| 1.2.2 基于手工设计特征的人体动作识别 | 第16-17页 |
| 1.2.3 基于深度学习的人体动作识别 | 第17-18页 |
| 1.3 本文创新点和结构安排 | 第18-19页 |
| 第2章 基于语义注意力模型的视频人体动作识别 | 第19-33页 |
| 2.1 背景介绍 | 第19-22页 |
| 2.2 相关工作 | 第22-24页 |
| 2.3 视频上下文信息获取 | 第24-26页 |
| 2.3.1 获取视频中运动主体的边界框 | 第24-25页 |
| 2.3.2 获取视频中运动主体周围物体的边界候选框 | 第25页 |
| 2.3.3 获取视频中运动主体周围物体的边界框 | 第25-26页 |
| 2.4 包含上下文信息的卷积网络结构 | 第26-28页 |
| 2.4.1 网络框架 | 第26-27页 |
| 2.4.2 加入上下文信息到网络中 | 第27页 |
| 2.4.3 特征融合 | 第27-28页 |
| 2.5 实验结果 | 第28-32页 |
| 2.5.1 网络参数说明 | 第28-29页 |
| 2.5.2 不同参数下的实验对比 | 第29-31页 |
| 2.5.3 和现有方法对比 | 第31-32页 |
| 2.5.4 本方法的优点和缺点 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 用于视频动作识别的视觉属性增强3D卷积 | 第33-43页 |
| 3.1 背景介绍 | 第33-35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.3 视觉属性增强3D卷积 | 第36-38页 |
| 3.3.1 视觉属性的发现和识别 | 第36-37页 |
| 3.3.2 改进后的I3D结构 | 第37页 |
| 3.3.3 A3D整体结构 | 第37-38页 |
| 3.4 实验结果 | 第38-41页 |
| 3.4.1 数据集介绍 | 第39页 |
| 3.4.2 特征融合实验结果 | 第39页 |
| 3.4.3 时间开销和性能分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于泛化的注意力池化模型的动作识别 | 第43-51页 |
| 4.1 背景介绍 | 第43-44页 |
| 4.2 相关工作 | 第44页 |
| 4.3 泛化的注意力池化模型 | 第44-47页 |
| 4.3.1 公式推导 | 第44-46页 |
| 4.3.2 网络模型结构 | 第46-47页 |
| 4.4 实验结果 | 第47-49页 |
| 4.4.1 数据集说明 | 第47页 |
| 4.4.2 模型参数分析 | 第47-48页 |
| 4.4.3 实验性能对比与讨论 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-55页 |
| 5.1 本文工作总结 | 第51-53页 |
| 5.1.1 基于语义注意力模型的视频动作识别 | 第51-52页 |
| 5.1.2 用于视频动作识别的视觉属性增强3D卷积神经网络 | 第52页 |
| 5.1.3 基于泛化的注意力池化模型的动作识别 | 第52-53页 |
| 5.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 在读期间发表的学术论文与取得的研究成果 | 第61页 |