基于3D卷积神经网络的视频检索技术研究
| 摘要 | 第2-3页 |
| ABSTRACT | 第3页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要工作 | 第10-12页 |
| 第二章 视频检索的基本原理 | 第12-18页 |
| 2.1 基于关键字的视频检索 | 第12-13页 |
| 2.2 基于内容的视频检索 | 第13-17页 |
| 2.2.1 视频的特征提取 | 第13-16页 |
| 2.2.2 相似度度量方法 | 第16-17页 |
| 2.2.2.1 欧式距离 | 第16-17页 |
| 2.2.2.2 马氏距离 | 第17页 |
| 2.2.2.3 余弦距离 | 第17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 视频稠密轨迹特征学习 | 第18-22页 |
| 3.1 摄像机移动评估 | 第18-19页 |
| 3.2 移除不一致匹配 | 第19-20页 |
| 3.3 轨迹特征提取 | 第20-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第四章 基于三维卷积神经网络的视频特征学习 | 第22-30页 |
| 4.1 卷积和池化 | 第22-25页 |
| 4.1.1 卷积 | 第23-24页 |
| 4.1.2 池化 | 第24-25页 |
| 4.2 3D卷积和池化 | 第25-26页 |
| 4.3 Caffe深度学习框架 | 第26页 |
| 4.4 网络参数设置 | 第26-28页 |
| 4.5 网络模型训练与特征提取 | 第28-29页 |
| 4.6 本章小结 | 第29-30页 |
| 第五章 视频相似度匹配 | 第30-32页 |
| 5.1 传统的豪斯多夫距离 | 第30-31页 |
| 5.2 改进的豪斯多夫距离 | 第31页 |
| 5.3 本章小结 | 第31-32页 |
| 第六章 数据库与实验设计 | 第32-44页 |
| 6.1 数据库选择与实验设计 | 第32-33页 |
| 6.2 结果分析与比较 | 第33-43页 |
| 6.3 本章小结 | 第43-44页 |
| 第七章 总结与展望 | 第44-46页 |
| 7.1 总结 | 第44页 |
| 7.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在校期间研究成果 | 第50-51页 |
| 致谢 | 第51-52页 |
