| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-25页 |
| ·基于内容的视频检索 | 第15-17页 |
| ·视频标注的研究背景、国内外现状和存在的问题 | 第17-22页 |
| ·视频类型层标注 | 第18-20页 |
| ·关键帧图象层标注 | 第20-21页 |
| ·物体层视频标注和多实例学习 | 第21-22页 |
| ·论文结构和主要创新 | 第22-25页 |
| 第二章 视频标注中常用的分类模型和特征 | 第25-47页 |
| ·视频标注中的常用的分类模型 | 第25-33页 |
| ·支持向量机 | 第25-30页 |
| ·提升方法(Boosting) | 第30-33页 |
| ·视频标注中的常用特征 | 第33-46页 |
| ·颜色 | 第34-37页 |
| ·纹理 | 第37-41页 |
| ·形状 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 视频类型层标注研究 | 第47-61页 |
| ·本文的视频类型层标注框架 | 第47-48页 |
| ·特征分析 | 第48-51页 |
| ·时间域特征 | 第48-50页 |
| ·空间域特征 | 第50-51页 |
| ·分层的多类SVM | 第51-55页 |
| ·各种多类SVM算法 | 第51-53页 |
| ·局部和全局优化的分层多类SVM | 第53-55页 |
| ·主动学习的引入 | 第55-57页 |
| ·SVM主动学习简介 | 第56页 |
| ·基于后验概率的SVM主动学习 | 第56-57页 |
| ·实验结果 | 第57-60页 |
| ·实验数据和评价指标 | 第57-58页 |
| ·局部和全局优化的多类SVM二叉树 | 第58-59页 |
| ·基于后验概率的主动学习性能 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 图象帧层视频标注 | 第61-79页 |
| ·本文提出的图象帧层视频标注框架 | 第61-64页 |
| ·总体框架的引入 | 第61-63页 |
| ·镜头边界检测和多关键帧提取 | 第63-64页 |
| ·流形排序和预滤波 | 第64-68页 |
| ·流形排序 | 第65-66页 |
| ·快速计算和预滤波 | 第66-68页 |
| ·特征库构建和特征选择 | 第68-74页 |
| ·特征库构建 | 第68-70页 |
| ·特征选择方法回顾 | 第70-73页 |
| ·SFFS特征选择 | 第73-74页 |
| ·实验结果 | 第74-76页 |
| ·实验数据和评价指标 | 第74-75页 |
| ·流形排序加预滤波的效果 | 第75-76页 |
| ·特征选择作用 | 第76页 |
| ·本章小结 | 第76-79页 |
| 第五章 物体层视频标注 | 第79-103页 |
| ·多实例学习回顾 | 第79-88页 |
| ·经典算法 | 第80-83页 |
| ·基于特征映射的方法 | 第83-84页 |
| ·在原实例空间的学习算法 | 第84-88页 |
| ·其它多实例学习方面的工作 | 第88页 |
| ·Existence-based MIL和MI-Adaboost | 第88-95页 |
| ·Existence-based MIL表达的提出 | 第88-90页 |
| ·MI-Adaboost | 第90-94页 |
| ·MI-AdaBoost和其它基于特征映射的MIL算法的比较 | 第94-95页 |
| ·多实例学习下的特征选择和EBMIL | 第95-97页 |
| ·多实例学习下的特征选择研究现状 | 第95-96页 |
| ·EBMIL | 第96-97页 |
| ·实验结果 | 第97-102页 |
| ·实验数据集 | 第97-99页 |
| ·Existence-based MIL表达和MI-AdaBoost | 第99-101页 |
| ·特征选择和EBMIL | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 第六章 结束语 | 第103-107页 |
| ·研究成果回顾 | 第103-104页 |
| ·研究方向展望 | 第104-107页 |
| 参考文献 | 第107-119页 |
| 在读期间发表的论文 | 第119-120页 |
| 获奖情况 | 第120-121页 |
| 在读期间参加的项目 | 第121-123页 |
| 致谢 | 第123页 |
