基于多路集成网络的多标签视频分类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统方法 | 第11-12页 |
| 1.2.2 深度学习方法 | 第12-15页 |
| 1.3 本文的主要工作和贡献 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关理论介绍 | 第17-24页 |
| 2.1 卷积神经网络 | 第17-20页 |
| 2.1.1 2D卷积神经网络 | 第17-19页 |
| 2.1.2 3D卷积神经网络 | 第19-20页 |
| 2.2 循环神经网络 | 第20-23页 |
| 2.2.1 长短期记忆网络 | 第21-22页 |
| 2.2.2 门循环单元网络 | 第22-23页 |
| 2.2.3 双向循环神经网络 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于多路集成网络的多标签视频分类 | 第24-40页 |
| 3.1 引言 | 第24-27页 |
| 3.2 视频采样策略 | 第27-29页 |
| 3.2.1 分段随机采样视频帧 | 第27-28页 |
| 3.2.2 分段随机采样视频段 | 第28页 |
| 3.2.3 随机间隔采样视频帧 | 第28-29页 |
| 3.3 视频特征提取 | 第29-35页 |
| 3.3.1 视频特征矩阵 | 第29-30页 |
| 3.3.2 视频时序特征提取 | 第30-35页 |
| 3.4 基于多路集成的多标签分类 | 第35-39页 |
| 3.4.1 端到端的多标签分类 | 第35页 |
| 3.4.2 多路集成策略 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 实验与结果分析 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 数据集 | 第40-41页 |
| 4.3 评价指标 | 第41-42页 |
| 4.4 实验参数设置 | 第42-43页 |
| 4.5 实验结果分析与比较 | 第43-52页 |
| 4.5.1 视频时序特征提取器的对比 | 第43-45页 |
| 4.5.2 视频多路集成网络的结果分析 | 第45-52页 |
| 4.5.3 实验结论 | 第52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |
