面向结构化数据的视频检索研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| ·视频检索研究的意义 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·基于内容的视频检索框架 | 第18-22页 |
| ·视频标注研究现状 | 第19-21页 |
| ·技术难点及存在的问题 | 第21-22页 |
| ·本文研究内容与创新点 | 第22-25页 |
| 第二章 视频结构化和特征提取 | 第25-49页 |
| ·视频结构化 | 第25-31页 |
| ·镜头边界检测 | 第26-28页 |
| ·关键帧提取 | 第28-29页 |
| ·关键区域分割 | 第29页 |
| ·场景边界检测 | 第29-31页 |
| ·视频底层特征提取 | 第31-39页 |
| ·颜色特征 | 第31-33页 |
| ·纹理特征 | 第33-35页 |
| ·形状特征 | 第35-37页 |
| ·摄像机运动特征 | 第37-39页 |
| ·视频高层特征提取 | 第39-47页 |
| ·高斯混合模型(GMM) | 第40-43页 |
| ·支持向量机(SVM) | 第43-47页 |
| ·本章总结 | 第47-49页 |
| 第三章 基于图像结构的检索 | 第49-65页 |
| ·引言 | 第49-51页 |
| ·基于特征选择的检索方法 | 第51-54页 |
| ·AdaBoost-SVM | 第51-53页 |
| ·实验结果 | 第53-54页 |
| ·多示例主动学习 | 第54-57页 |
| ·包层主动学习 | 第55-56页 |
| ·示例层主动学习 | 第56页 |
| ·混合层次主动学习 | 第56-57页 |
| ·基于包层多示例主动学习的检索 | 第57-60页 |
| ·基于包特征重构的包层分类器构造 | 第57-58页 |
| ·样本主动选择策略 | 第58-60页 |
| ·实验及分析 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于镜头结构的检索 | 第65-87页 |
| ·引言 | 第65-68页 |
| ·多层次多示例学习问题 | 第68页 |
| ·多层次多示例核 | 第68-71页 |
| ·多层次多示例核 | 第69-71页 |
| ·基于多层次多示例核的概念检测 | 第71页 |
| ·边缘多层次多示例核 | 第71-74页 |
| ·边缘核 | 第72页 |
| ·边缘多层次多示例核 | 第72-73页 |
| ·条件概率p(h|T)的计算 | 第73-74页 |
| ·多层次多示例学习正则化框架 | 第74-80页 |
| ·约束A+B: MLMI_FLPE方法 | 第75-76页 |
| ·约束A+C: MILC~2方法 | 第76页 |
| ·CCCP方法求解 | 第76-80页 |
| ·实验和分析 | 第80-85页 |
| ·数据集 | 第80-82页 |
| ·评价指标 | 第82-83页 |
| ·实验设置 | 第83-84页 |
| ·结果与分析 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 基于场景结构的检索 | 第87-101页 |
| ·引言 | 第87-88页 |
| ·基于能量最小化的场景分割算法(EMS) | 第88-93页 |
| ·支配簇(Dominant Cluster) | 第88-89页 |
| ·能量最小化分割(EMS) | 第89-93页 |
| ·场景分割实验及分析 | 第93-96页 |
| ·数据集与实验设置 | 第93页 |
| ·家用视频场景分割实验 | 第93-95页 |
| ·商业视频场景分割实验 | 第95-96页 |
| ·EMS鲁棒性测试 | 第96页 |
| ·结合场景结构信息的视频检索 | 第96-98页 |
| ·结合场景的视频检索实验 | 第98页 |
| ·本章小结 | 第98-101页 |
| 第六章 总结与展望 | 第101-105页 |
| ·本文研究内容回顾 | 第101-102页 |
| ·研究工作展望 | 第102-105页 |
| 参考文献 | 第105-115页 |
| 致谢 | 第115-117页 |
| 攻读博士学位期间的研究成果 | 第117-118页 |
