用于视频动作检测的时空多任务神经网络
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 动作识别 | 第14-15页 |
| 1.2.2 动作定位 | 第15页 |
| 1.2.3 视频的表达 | 第15-16页 |
| 1.3 研究内容与文章组织结构 | 第16-19页 |
| 1.3.1 研究内容 | 第16-18页 |
| 1.3.2 文章组织结构 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 相关技术概述 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 图像相关技术 | 第20-27页 |
| 2.2.1 图像识别 | 第21-24页 |
| 2.2.2 目标检测 | 第24-27页 |
| 2.3 视频相关技术 | 第27-33页 |
| 2.3.1 动作识别 | 第27-30页 |
| 2.3.2 动作时序定位 | 第30-31页 |
| 2.3.3 多任务学习 | 第31-32页 |
| 2.3.4 交叉模态表示 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 时空多任务神经网络 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 视频特征提取 | 第34-40页 |
| 3.2.1 三维卷积操作 | 第35-37页 |
| 3.2.2 分段特征融合 | 第37-38页 |
| 3.2.3 符号描述 | 第38-40页 |
| 3.3 交错图像 | 第40-41页 |
| 3.4 多任务框架 | 第41-44页 |
| 3.4.1 网络结构 | 第41-42页 |
| 3.4.2 损失函数 | 第42-44页 |
| 3.5 模型训练与预测 | 第44-45页 |
| 3.5.1 模型初始化 | 第44页 |
| 3.5.2 构建批量训练数据 | 第44-45页 |
| 3.5.3 SGD超参数 | 第45页 |
| 3.5.4 模型预测 | 第45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 实验结果 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 数据集 | 第47-48页 |
| 4.3 评价标准 | 第48-49页 |
| 4.3.1 动作识别的评价标准 | 第48页 |
| 4.3.2 动作检测的评价标准 | 第48-49页 |
| 4.3.3 实验环境 | 第49页 |
| 4.4 融合结构的评测 | 第49-56页 |
| 4.4.1 融合函数对比 | 第49-50页 |
| 4.4.2 分段数量对比 | 第50页 |
| 4.4.3 采样策略对比 | 第50-51页 |
| 4.4.4 交错图评测 | 第51-53页 |
| 4.4.5 模型对比 | 第53-56页 |
| 4.4.6 动作检测评测 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结和展望 | 第58-61页 |
| 5.1 引言 | 第58页 |
| 5.2 总结 | 第58页 |
| 5.3 展望 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的主要研究成果 | 第66-67页 |
| 致谢 | 第67页 |
