首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的运动视频分析系统的设计与实现

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-17页
    1.1 课题研究背景及研究意义第11-12页
    1.2 国内外研究现状与趋势第12-14页
    1.3 剪影提取的问题第14-15页
    1.4 论文主要内容与组织结构第15-17页
第二章 相关技术第17-25页
    2.1 视频分帧技术第17页
    2.2 传统语义分割技术的调研与实验第17-22页
        2.2.1 背差法、帧差法第17-19页
        2.2.2 Canny算子提取轮廓法第19-20页
        2.2.3 分水岭算法第20-21页
        2.2.4 Grabcut算法第21-22页
    2.3 基于深度学习的语义分割技术第22-23页
    2.4 本章小结第23-25页
第三章 运动视频分析系统关键算法SISA的设计与实现第25-37页
    3.1 SISA的神经网络结构第25-28页
        3.1.1 卷积神经网络结构介绍第25-26页
        3.1.2 数据标注系统第26-27页
        3.1.3 模型训练方法第27-28页
    3.2 特征提取网络第28-31页
    3.3 条件随机场优化语义边界第31-33页
    3.4 关键节点检测算法优化细小物体语义第33-35页
    3.5 SISA算法效果展示第35页
    3.6 本章小结第35-37页
第四章 运动视频分析系统需求分析第37-47页
    4.1 运动视频分析系统总体需求第37-38页
    4.2 运动视频分析系统工作场景第38-40页
    4.3 运动视频分析系统的各个模块需求分析第40-46页
        4.3.1 数据处理模块第40-42页
        4.3.2 模型训练模块第42-44页
        4.3.3 运动视频预测模块第44-45页
        4.3.4 视频分析系统用例图第45-46页
    4.4 本章小结第46-47页
第五章 运动视频分析系统设计与实现第47-73页
    5.1 运动视频分析系统总体结构第47-48页
    5.2 运动视频分析系统模块说明第48-52页
        5.2.1 数据处理模块第48-50页
        5.2.2 模型训练模块第50-51页
        5.2.3 预测模块第51-52页
    5.3 SISA神经网络的设计与实现第52-55页
        5.3.1 SISA语义分割网络第52-54页
        5.3.2 SISA关键节点检测网络第54-55页
    5.4 运动视频分析系统接口设计第55-59页
        5.4.1 外部接口第55-58页
        5.4.2 内部接口第58-59页
    5.5 运动视频分析系统交互设计第59-61页
        5.5.1 模型训练模块与数据处理模块交互设计第59-60页
        5.5.2 预测模块与数据处理模块交互设计第60-61页
    5.6 运动视频分析系统详细设计与实现第61-72页
        5.6.1 数据处理模块详细设计第61-64页
        5.6.2 模型训练模块详细设计第64-65页
        5.6.3 预测模块详细设计第65-67页
        5.6.4 系统关键流程实现第67-72页
    5.7 本章小结第72-73页
第六章 运动视频分析系统测试与验证第73-83页
    6.1 测试环境第73页
    6.2 系统功能测试第73-77页
        6.2.1 测试用例总表第74-75页
        6.2.2 数据处理模块测试用例第75-76页
        6.2.3 模型训练模块测试用例第76-77页
        6.2.4 预测模块测试用例第77页
    6.3 关键算法测试结果第77-81页
        6.3.1 深度学习算法与其他算法对比实验第77-79页
        6.3.2 深度学习基准线算法与SISA算法对比实验第79-81页
    6.4 本章小结第81-83页
第七章 结束语第83-85页
    7.1 论文工作总结第83页
    7.2 未来工作展望第83-85页
参考文献第85-87页
致谢第87-89页
攻读硕士学位期间发表的学术论文目录第89页

论文共89页,点击 下载论文
上一篇:基于机器学习的约束求解复杂度计算方法研究
下一篇:基于深度学习的图像风格化处理