基于卷积神经网络的LDA视频检索的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 论文研究难点和创新点 | 第15-17页 |
| 1.3.1 视频检索的研究难点 | 第15-16页 |
| 1.3.2 论文的创新点 | 第16-17页 |
| 1.4 论文的主要内容及章节安排 | 第17-18页 |
| 第二章 传统视频检索方法 | 第18-26页 |
| 2.1 视频检索框架 | 第18-19页 |
| 2.2 底层视频特征提取 | 第19-21页 |
| 2.2.1 尺度不变特征变换特征提取方法 | 第20-21页 |
| 2.2.2 卷积神经网络特征提取方法 | 第21页 |
| 2.3 视频特征生成 | 第21-23页 |
| 2.3.1 传统视频特征生成方法 | 第22页 |
| 2.3.2 时间序列视频特征生成 | 第22页 |
| 2.3.3 关键帧特征生成方法 | 第22-23页 |
| 2.4 本章小结 | 第23-26页 |
| 第三章 基于卷积神经网络的底层视频特征提取 | 第26-36页 |
| 3.1 卷积神经网络基本介绍 | 第26-28页 |
| 3.2 LeNet-5网络 | 第28-32页 |
| 3.3 Siamese网络 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 潜在狄利克雷视觉主题模型算法 | 第36-42页 |
| 4.1 潜在狄利克雷主题模型算法介绍 | 第36-38页 |
| 4.2 潜在狄利克雷主题模型隐含参数求解 | 第38-39页 |
| 4.3 视觉主题空间特征形成 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于卷积神经网络的LDA视频检索方法 | 第42-60页 |
| 5.1 基于卷积神经网络的视频检索方案 | 第42-48页 |
| 5.1.1 视频特征生成 | 第43-45页 |
| 5.1.2 CNN特征提取 | 第45-46页 |
| 5.1.3 形成视觉词空间 | 第46-47页 |
| 5.1.4 视觉主题空间映射 | 第47页 |
| 5.1.5 视觉主题空间检索 | 第47-48页 |
| 5.2 实验和结果分析 | 第48-59页 |
| 5.2.1 单数据集检索实验 | 第49-52页 |
| 5.2.2 多数据集检索实验 | 第52-57页 |
| 5.2.3 视频数据集检索 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60页 |
| 6.2 问题与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
