| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 视频分类的评价指标 | 第13页 |
| 1.3 国内外研究现状 | 第13-20页 |
| 1.3.1 基于传统方法的视频分类研究现状 | 第14-16页 |
| 1.3.2 基于深度学习的视频分类方法研究现状 | 第16-20页 |
| 1.4 问题提出 | 第20-21页 |
| 1.5 本文的主要内容和组织结构 | 第21-24页 |
| 1.5.1 主要内容 | 第21-22页 |
| 1.5.2 组织结构 | 第22-24页 |
| 第二章 基于级联SRU的多层次多粒度时空域特征提取 | 第24-34页 |
| 2.1 引言 | 第24-25页 |
| 2.2 多层次多粒度的时空域特征提取 | 第25-30页 |
| 2.2.1 基于级联SRU的时域金字塔构建方法 | 第25-29页 |
| 2.2.2 多层次多粒度的特征 | 第29-30页 |
| 2.3 实验 | 第30-33页 |
| 2.3.1 实验设置 | 第30-31页 |
| 2.3.2 实验结果与分析 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于Fisher向量和VLAD两级级联编码的特征融合 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 视频时空域深度特征两级级联编码融合算法 | 第34-38页 |
| 3.2.1 基于CNN的空域和时域特征提取 | 第35-36页 |
| 3.2.2 基于Fisher向量的视频时空域深度特征编码 | 第36-37页 |
| 3.2.3 基于VLAD的视频时空域深度特征融合 | 第37-38页 |
| 3.3 实验 | 第38-40页 |
| 3.3.1 实验设置 | 第38-39页 |
| 3.3.2 实验结果及分析 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于自适应间隔深度度量学习的特征相似性度量 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 算法描述 | 第42-46页 |
| 4.2.1 视频分类网络的结构设计 | 第42-44页 |
| 4.2.2 基于分配函数的自适应间隔深度度量学习 | 第44-46页 |
| 4.3 实验 | 第46-50页 |
| 4.3.1 数据集和实验参数设置 | 第46-47页 |
| 4.3.2 实验结果与分析 | 第47-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 下一步工作展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 作者简历 | 第64页 |
