基于局部保持典型相关分析的零样本动作识别
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 零样本学习及国内外研究现状 | 第9-15页 |
| 1.3 本文的内容安排 | 第15-18页 |
| 第二章 文本向量化和三维卷积神经网络 | 第18-30页 |
| 2.1 文本向量化 | 第18-24页 |
| 2.1.1 词典法 | 第18-19页 |
| 2.1.2 独热表示法 | 第19页 |
| 2.1.3 分布表示 | 第19-24页 |
| 2.2 三维卷积神经网络 | 第24-29页 |
| 2.2.1 视频特征提取研究现状 | 第24-28页 |
| 2.2.2 网络结构和训练方式 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于局部保持典型相关分析的零样本动作识别 | 第30-50页 |
| 3.1 视频特征提取 | 第31页 |
| 3.2 类别名称特征提取 | 第31-32页 |
| 3.3 典型相关分析 | 第32-34页 |
| 3.3.1 典型相关分析问题刻画 | 第32页 |
| 3.3.2 求解算法 | 第32-34页 |
| 3.4 典型相关分析与流形约束 | 第34-35页 |
| 3.5 基于典型相关分析的公共空间的构建 | 第35-40页 |
| 3.5.1 局部保持的典型相关分析 | 第35-39页 |
| 3.5.2 数据增强 | 第39-40页 |
| 3.6 零样本动作识别 | 第40-41页 |
| 3.6.1 自训练 | 第40页 |
| 3.6.2 Hubness修正 | 第40-41页 |
| 3.7 实验 | 第41-48页 |
| 3.7.1 数据集介绍 | 第41-45页 |
| 3.7.2 特征提取与选择 | 第45页 |
| 3.7.3 实验方案 | 第45-46页 |
| 3.7.4 实验结果 | 第46-48页 |
| 3.8 本章小结 | 第48-50页 |
| 第四章 总结与展望 | 第50-52页 |
| 4.1 总结 | 第50页 |
| 4.2 展望 | 第50-52页 |
| 参考文献 | 第52-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62-63页 |
